BFS-广度优先搜索的主要思想和实战

主要思想

广度优先搜索的主要思想是:首先以一个未被访问过的顶点作为起始顶点,访问其所有相邻的顶点,然后对每个相邻的顶点,再访问它们相邻的未被访问过的顶点,直到所有顶点都被访问过,遍历结束。

实战-马的遍历链接.

题目描述

有一个n*m的棋盘(1<n,m<=400),在某个点上有一个马,要求你计算出马到达棋盘上任意一个点最少要走几步

输入格式

一行四个数据,棋盘的大小和马的坐标

输出格式

一个n*m的矩阵,代表马到达某个点最少要走几步(左对齐,宽5格,不能到达则输出-1)

输入输出样例

输入

3 3 1 1

输出

0 3 2
3 -1 1
2 1 4

#include<stdio.h>
int n,m,startx,starty; //n为行,m为列,startx和starty是起始坐标
int next[9][2]={{0,0},{1,2},{2,1},{2,-1},{1,-2},{-1,-2},{-2,-1},{-2,1},{-1,2}};  
//马可以往八个方向移动
int a[401][401],book[401][401]; //a为地图,book为标记,防止一个点被重复扩展
int head=1,tail=1;   //起始化队列
int flag=-1;  //不能到达的点就输出-1
struct note{
	int x;  //横坐标
	int y;  //纵坐标
	int s;  //步数
}; 
int main()
{
	struct note que[160002];  //因为地图大小不超过400*400,因此队列扩展不会超过160000个
	scanf("%d%d%d%d",&n,&m,&startx,&starty);
	//往队列插入起始坐标
	que[tail].x=startx; 
	que[tail].y=starty;
	que[tail].s=0;
	book[startx][starty]=1;
	a[startx][starty]=que[tail].s;
	tail++;
	while(head<tail){  //当队列不为空的时候循环
		int tx,ty;
		for(int i=1;i<=8;i++){ //枚举8个方向
		    //计算下一个点的坐标
			tx=que[head].x+next[i][0];
			ty=que[head].y+next[i][1];
			//判断是否越界
			if(tx<1||tx>n||ty<1||ty>m) continue;
			//判断这个点是否已经走过
			if(book[tx][ty]==0){
				book[tx][ty]=1;
				que[tail].x=tx;
				que[tail].y=ty;
				que[tail].s=que[head].s+1;
				a[tx][ty]=que[tail].s;
				tail++;
			}
		}
		head++; //当这个点扩展结束后,清除掉他
	}
	for(int i=1;i<=n;i++){
		for(int j=1;j<=m;j++){
			if(book[i][j]) printf("%-5d",a[i][j]); //如果能到达这个点 ,输出步数
			else printf("%-5d",flag); //如果不能到达,输出-1
			//注意:因为是宽五格,左对齐,输出格式应该是%-5d。而%5d只是宽五格。
		}
		printf("\n");
	}
	return 0;
}

输出结果:
在这里插入图片描述

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
广度优先搜索是一种用于遍历或搜索图的算法,它从起始节点开始,逐层向外遍历,直到找到目标节点或遍历完整张图。具体实现过程中,可以使用队列来存储待遍历的节点,先将起始节点加入队列,然后依次取出队列中的节点,将其未访问过的邻居节点加入队列,直到队列为空或者找到目标节点为止。\n\广度优先搜索的时间复杂度为O(V+E),其中V为节点数,E为边数。在实际应用中,广度优先搜索常用于寻找最短路径、连通性检测等问题。\n\下面是一个简单的Pyth代码示例,演示了如何使用广度优先搜索遍历图:\n\```pyth\from collections impor dequ\n\# 定义图的邻接表表示\graph = {\ 'A' ['B', 'C'],\ 'B' ['A', 'D', 'E'],\ 'C' ['A', 'F'],\ 'D' ['B'],\ 'E' ['B', 'F'],\ 'F' ['C', 'E']\}\n\# 广度优先搜索函数\f bfs(graph, star, ):\ queu = dequ() # 定义队列\ queu.app(star) # 将起始节点加入队列\ visi = s() # 定义已访问集合\ visi.(star) # 将起始节点标记为已访问\n\ whi queu\ = queu.pplef() # 取出队列中的节点\ if == # 如果找到目标节点,返回Tru\ retur Tru\ for neighbor i graph[] # 遍历当前节点的邻居节点\ if neighbor i visi # 如果邻居节点未被访问过,加入队列并标记为已访问\ queu.app(ighbor)\ visi.(ighbor)\n\ retur Fals # 如果队列为空仍未找到目标节点,返回Fals\n\# 示例:在图中查找从节点A到节点F的路径是否存在\pri(bfs(graph, 'A', 'F'))\n\```\n\

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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