hdu1026(bfs+dfs打印路径)

#include <iostream>
#include<cstdio>
#include<memory.h>
#include<queue>
using namespace std;
const int maxn=105;
char g[maxn][maxn];
int s[maxn][maxn];//记录步数
int dir[maxn][maxn];//记录方向
int m,n;
int dx[]={-1,1,0,0};
int dy[]={0,0,-1,1};
struct node{
public:
    node():x(0),y(0),step(0){}
    node(int _x,int _y,int _s):x(_x),y(_y),step(_s){}
public:
    int x,y,step;
};
bool check(int x,int y){
    if(x<0||y<0||x>m-1||y>n-1)return false;
    if(g[x][y]=='X')return false;
    return true;
}

void init(){
    memset(dir,-1,sizeof(dir));
    memset(s,-1,sizeof(s));
    s[0][0]=0;
}

void bfs()
{
    queue<node>q;
    q.push(node(0,0,0));
    while(!q.empty()){
        node n=q.front();
        q.pop();
        for(int i=0;i<4;++i){
            int newx=n.x+dx[i];
            int newy=n.y+dy[i];
            int newstep;
            if(check(newx,newy)){
                if(g[newx][newy]=='.')newstep=n.step+1;
                else newstep=n.step+g[newx][newy]-'0'+1;
                if(s[newx][newy]>newstep||s[newx][newy]==-1){//没有走过或时间更短
                    s[newx][newy]=newstep;
                    dir[newx][newy]=i;
                    q.push(node(newx,newy,newstep));
                }
            }
        }
    }
}

void print(int x,int y)
{
    //cout<<x<<","<<y<<endl;
    if(dir[x][y]==-1)return;
    int nx=x-dx[dir[x][y]];
    int ny=y-dy[dir[x][y]];
    print(nx,ny);
    printf("%ds:",s[nx][ny]+1);
    printf("(%d,%d)->(%d,%d)\n",nx,ny,x,y);
    if(g[x][y]!='.'){
        int t=g[x][y]-'0';
        for(int i=1;i<=t;++i){
            printf("%ds:",s[nx][ny]+i+1);//这里打印的时候注意
            printf("FIGHT AT (%d,%d)\n",x,y);
        }
    }
}

int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    while(scanf("%d%d",&m,&n)!=EOF)
    {
        init();
        for(int i=0;i<m;++i){
            scanf("%s",g[i]);
        }
        bfs();
        if(s[m-1][n-1]==-1)printf("God please help our poor hero.\n");
        else{
            printf("It takes %d seconds to reach the target position, let me show you the way.\n",s[m-1][n-1]);
            print(m-1,n-1);
        }
        printf("FINISH\n");
    }
    return 0;
}


优先队列的话,不用全部搜完,因为如果改点没有访问过,每次出队的肯定是时间最短的一个

#include <iostream>
#include <cstdio>
#include <memory.h>
#include<queue>
using namespace std;

const int maxn=105;
char g[maxn][maxn];
int dir[maxn][maxn];
int vis[maxn][maxn];
int n,m;
int dx[]={-1,1,0,0};
int dy[]={0,0,-1,1};

class node
{
public:
    node(int _x,int _y,int _s):x(_x),y(_y),step(_s){}
    bool friend operator < (const node &n1,const node &n2);
public:
    int x,y,step;
};

void init()
{
    memset(dir,-1,sizeof(dir));
    memset(vis,-1,sizeof(vis));
    vis[0][0]=0;
}
bool check(int x,int y)
{
    if(x<0||y<0||x>=n||y>=m)return false;
    if(g[x][y]=='X')return false;
    if(vis[x][y]!=-1)return false;
    return true;
}

bool operator < (const node &n1,const node &n2){
    return n2.step<n1.step;
}

void bfs()
{
    int newx,newy,news;
    priority_queue<node>pq;
    pq.push(node(0,0,0));
    while(!pq.empty()){
        node nd=pq.top();
        pq.pop();
        if(nd.x==n-1&&nd.y==m-1)return;//因为第一次搜到的肯定是时间最短的,找到就返回
        for(int i=0;i<4;++i){
            newx=nd.x+dx[i];
            newy=nd.y+dy[i];
            if(check(newx,newy)){
                if(g[newx][newy]=='.'){
                    news=nd.step+1;
                }
                else{
                    news=nd.step+g[newx][newy]-'0'+1;
                }
                pq.push(node(newx,newy,news));
                dir[newx][newy]=i;
                vis[newx][newy]=news;
            }
        }
    }
}

void print(int x,int y)
{
    //cout<<x<<","<<y<<endl;
    if(x==0&&y==0)return;
    int prex=x-dx[dir[x][y]];
    int prey=y-dy[dir[x][y]];
    print(prex,prey);
    printf("%ds:(%d,%d)->(%d,%d)\n",vis[prex][prey]+1,prex,prey,x,y);
    if(g[x][y]!='.'){
        int t=int(g[x][y]-'0');
        for(int i=1;i<=t;++i){
            printf("%ds:FIGHT AT (%d,%d)\n",vis[prex][prey]+i+1,x,y);
        }
    }
}

int main()
{
    //freopen("in.txt","r",stdin);
    //freopen("out.txt","w",stdout);
    while(scanf("%d %d",&n,&m)!=EOF){
        init();
        for(int i=0;i<n;++i){
            scanf("%s",g[i]);
        }
        bfs();
        if(vis[n-1][m-1]==-1)printf("God please help our poor hero.\n");
        else{
            printf("It takes %d seconds to reach the target position, let me show you the way.\n",vis[n-1][m-1]);
            print(n-1,m-1);
        }
        printf("FINISH\n");
    }
    return 0;
}


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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