POJ 3083 Children of the Candy Corn(BFS + DFS)

题目链接:http://poj.org/problem?id=3083

题意:给定 w×h 的矩阵,分别求从S到T:沿着左边墙壁的走的路径,沿着右边墙壁走的路径,最短路径。

思路:最短路径直接利用bfs搜索可得。对于沿着墙壁走,记录当前的状态为(当前点所在的坐标,当前前行的方向),例如沿着左边墙壁走,若一下不会做,可以分情况考虑,以当前所在点为中心的 3×3 的矩阵中,分别讨论剩下8个格子的是点还是墙时的走法。最后可以发现规律,沿着左边墙壁走,按照左上右下,即顺时针的方向判断,若先判断的方向可以走,就直接走。同理,沿着右边墙壁走,按照右上左下,即逆时针的方向判断。

代码:

#include <stdio.h>
#include <string.h>
#include <iostream>
#include <algorithm>
#include <math.h>
#include <queue>

using namespace std;

const int INF = 0x3f3f3f3f;

struct Node {
  int x, y;
  int path; // dfs时记录为当前的方向
};

char _map[50][50];
int n, m;
// 0 up 1 right 2 down 3 left
int x[4] = {-1, 0, 1, 0};
int y[4] = {0, 1, 0, -1};
int vis[50][50];

bool inFiled(Node to) {
  if (to.x >= 0 && to.x < n && to.y >= 0 && to.y < m)
    return true;
  return false;
}

int dfs(Node now, int s) {
  if (_map[now.x][now.y] == 'E')
    return 1;
  for (int i = s, j = 0; j < 4; i = (i + (4 - s)) % 4, j++) {
    Node to;
    to.path = (now.path + i) % 4;
    to.x = now.x + x[to.path];
    to.y = now.y + y[to.path];
    if (_map[to.x][to.y] != '#')
      return dfs(to, s) + 1;
  }
  return 0;
}


int bfs(Node s, Node e) {
  memset(vis, INF, sizeof(vis));
  queue<Node> q;
  vis[s.x][s.y] = 1;
  q.push(s);
  while (!q.empty()) {
    Node top = q.front();
    q.pop();
    if (top.x == e.x && top.y == e.y)
      return top.path;
    for (int i = 0; i < 4; i++) {
      Node to;
      to.x = top.x + x[i];
      to.y = top.y + y[i];
      to.path = top.path + 1;
      if (inFiled(to) && _map[to.x][to.y] != '#' && vis[to.x][to.y] > to.path) {
        vis[to.x][to.y] = to.path;
        q.push(to);
      }
    }
  }
  return -1;
}

int main() {
  int t_case;
  scanf("%d", &t_case);
  for (int i_c = 0; i_c < t_case; i_c++) {
    scanf("%d%d", &m, &n);
    for (int i = 0; i < n; i++)
      scanf("%s", _map[i]);
    Node st, ed;
    for (int i = 0; i < n; i++) {
      for (int j = 0; j < m; j++) {
        if (_map[i][j] == 'S') {
          st.x = i, st.y = j;
        }
        else if (_map[i][j] == 'E') {
          ed.x = i, ed.y = j;
        }
      }
    }
    st.path = 1;
    int minpath = bfs(st, ed);
    int leftpath, rightpath;
    for (int i = 3, j = 0; j < 4; i = (i + 1) % 4, j++) {
      Node to;
      to.path = i;
      to.x = st.x + x[to.path];
      to.y = st.y + y[to.path];
      if (inFiled(to) && _map[to.x][to.y] != '#') {
        leftpath = dfs(to, 3) + 1;
        break;
      }
    }
    for (int i = 1, j = 0; j < 4; i = (i + 3) % 4, j++) {
      Node to;
      to.path = i;
      to.x = st.x + x[to.path];
      to.y = st.y + y[to.path];
      if (inFiled(to) && _map[to.x][to.y] != '#') {
        rightpath = dfs(to, 1) + 1;
        break;
      }
    }
    printf("%d %d %d\n", leftpath, rightpath, minpath);
  }
  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