UVa 816 - Abbott's Revenge

题目内容见:https://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem&problem=757

这里贴出自己加了注释的代码,应该比较好理解了。源代码参考紫书

  1 #include<cstdio>
  2 #include<cstring>
  3 #include<vector>
  4 #include<queue>
  5 using namespace std;
  6 
  7 struct Node {
  8   int r, c, dir; // 站在(r,c),面朝方向dir(0~3分别表示N, E, S, W)
  9   Node(int r=0, int c=0, int dir=0):r(r),c(c),dir(dir) {}//对node初始化 
 10 };
 11 
 12 const int maxn = 10;//r\c的范围(0-9) 
 13 const char* dirs = "NESW"; // 顺时针旋转,进入时的朝向 
 14 const char* turns = "FLR";//允许的三个转向方向 
 15 
 16 int has_edge[maxn][maxn][4][3];//保存每一个坐标的具体转向方式,允许则为1,不允许则为0 。在(r,c)的某个方向上允许的三向操作 
 17 int d[maxn][maxn][4];//用来累加起点到终点的距离
 18 Node p[maxn][maxn][4];//p[r][c][dir]表示了(r,c,dir)在BFS树中的父节点 
 19 int r0, c0, dir, r1, c1, r2, c2;
 20 
 21 int dir_id(char c) { return strchr(dirs, c) - dirs; }//返回c在dirs的位置
 22 int turn_id(char c) { return strchr(turns, c) - turns; }
 23 /*与NESW对应 例如向N,则dr-1,而dc不变*/ 
 24 const int dr[] = {-1, 0, 1, 0};
 25 const int dc[] = {0, 1, 0, -1};
 26 
 27 Node walk(const Node& u, int turn) {
 28   int dir = u.dir;
 29   //turn 为1则左转,为2则右转 
 30   if(turn == 1) dir = (dir + 3) % 4; // 逆时针,表示左转
 31   if(turn == 2) dir = (dir + 1) % 4; // 顺时针,表示右转
 32   return Node(u.r + dr[dir], u.c + dc[dir], dir);
 33 }
 34 
 35 //判断坐标是否出界
 36 bool inside(int r, int c) {
 37   return r >= 1 && r <= 9 && c >= 1 && c <= 9;
 38 }
 39 
 40 //初始化起点,终点和每一个坐标的转向
 41 bool read_case() {
 42   char s[99], s2[99];
 43   //s是指当前的流程,r0表示起始行,c0表示起始列,s2起始方向,r2表示目标行,c2表示目标列
 44   if(scanf("%d%d%s%d%d", &r0, &c0, s2, &r2, &c2) != 5) return false; //如果输入不是五个元素,则报错 
 45   dir = dir_id(s2[0]);//方向在字符串dirs中的位置,确定起始方向 
 46   r1 = r0 + dr[dir];//第一步之后的行坐标
 47   c1 = c0 + dc[dir];//第一步之后的列坐标
 48 
 49   memset(has_edge, 0, sizeof(has_edge));//将has_edge初始化为0 
 50   for(;;) {
 51     int r, c;
 52     scanf("%d", &r);
 53     if(r == 0) break;//约定输入0时表示输入完成 
 54     scanf("%d", &c);
 55     while(scanf("%s", s) == 1 && s[0] != '*') {//*是本行输入完成结束符 
 56       for(int i = 1; i < strlen(s); i++)
 57         has_edge[r][c][dir_id(s[0])][turn_id(s[i])] = 1;
 58     }
 59   }
 60   return true;//可以接着循环 
 61 }
 62 
 63 void print_ans(Node u) {
 64   // 从目标结点逆序追溯到初始结点
 65   //由此看出本题的解决思路:先通过宽度优先遍历找到终点,再回溯到原点并打印 
 66   vector<Node> nodes;
 67   for(;;) {
 68     nodes.push_back(u);
 69     if(d[u.r][u.c][u.dir] == 0) break;//说明找到了终点
 70     u = p[u.r][u.c][u.dir];//找自己的父节点 
 71   }
 72   nodes.push_back(Node(r0, c0, dir));//把起始点也放入数组中 
 73 
 74   // 打印解,每行10个
 75   int cnt = 0;
 76   for(int i = nodes.size()-1; i >= 0; i--) {
 77     printf(" (%d,%d) ", nodes[i].r, nodes[i].c);
 78     if(++cnt == 10){
 79         printf("\n");
 80     }
 81   }
 82 }
 83 
 84 //使用BFS输出
 85 void solve() {
 86   queue<Node> q;
 87   memset(d, -1, sizeof(d));//初始化d为-1,d是用来累加起点到终点的距离的 
 88   //第一步之后,处于(2,1,N)的状态
 89   Node u(r1, c1, dir);//走了一步之后的坐标
 90   d[u.r][u.c][u.dir] = 0;
 91   //宽度优先遍历 
 92   q.push(u);
 93   while(!q.empty()) {
 94     Node u = q.front(); q.pop();
 95     if(u.r == r2 && u.c == c2) { print_ans(u); return; }//如果是目标位置,则打印并返回 
 96     //判断当前坐标点,在当前转向的三个方向哪个是可以行使的?实质还是遍历所有点直至终点的解法 
 97     for(int i = 0; i < 3; i++) {
 98       Node v = walk(u, i);
 99       //v是u坐标行走一步之后的坐标,走到终点没有初始化,has_edge值为0,不进入循环
100       if(has_edge[u.r][u.c][u.dir][i] && inside(v.r, v.c) && d[v.r][v.c][v.dir] < 0) {
101         d[v.r][v.c][v.dir] = d[u.r][u.c][u.dir] + 1;//累加1,最后得出起点到终点的距离
102         p[v.r][v.c][v.dir] = u;//表示v的父节点是u
103         q.push(v);
104       }
105     }
106   }
107   printf("  No Solution Possible\n");//如果遍历了所有节点也没有从上面的入口出去,则说明无解 
108 }
109 
110 int main() {
111     //read_case一次读入一个问题的输入并用solve解决 
112   while(read_case()) {
113     solve();
114   }
115   return 0;
116 }

 

转载于:https://www.cnblogs.com/jiading/p/10828734.html

  • 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
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
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