POJ.3278 Catch That Cow (BFS)

POJ.3278 Catch That Cow (BFS)

题意分析

求最少的操作次数,暴力就用BFS。
这题坑点挺多,一开始交上去无限RE,摸不着头脑,后来发现后数组越界了。因为存在-1的操作和*2的操作 ,不加判断就直接越界。
这告诉我们一个道理,光把数组开大点,是没有用的。

代码总览

#include <iostream>
#include <cstdio>
#include <algorithm>
#include <cstring>
#include <sstream>
#include <set>
#include <map>
#include <queue>
#include <stack>
#include <cmath>
#define INF 0x3f3f3f3f
#define nmax 400010
#define MEM(x) memset(x,0,sizeof(x))
using namespace std;
int num, tar;
int ans;
struct s{
    int num;
    int time;
};
bool visit[nmax];
void bfs(int num,int time)
{
    queue<s> q;
    s now = {num,time},temp;
    visit[num] = true;
    q.push(now);
    while(!q.empty()){
        temp = q.front();q.pop();
        if(temp.num == tar){
            ans = temp.time;
            break;
        }
        if(!visit[temp.num+1]){
            now.num = temp.num+1;
            now.time = temp.time+1;
            visit[temp.num+1] = true;
            q.push(now);
        }
        if(temp.num-1>=0 && !visit[temp.num-1]  ){
            now.num = temp.num-1;
            now.time = temp.time+1;
            visit[temp.num-1] = true;
            q.push(now);
        }
        if(temp.num*2<nmax && !visit[temp.num*2] &&temp.num*2 >=0 ){
            now.num = temp.num*2;
            now.time = temp.time+1;
            visit[temp.num*2] = true;
            q.push(now);
        }
    }
}
int main()
{
    //freopen("in.txt","r",stdin);

    while(scanf("%d %d",&num,&tar)!=EOF){
       MEM(visit);
       ans = INF;
       bfs(num,0);
       printf("%d\n",ans);
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值