搜索与图论(一)

本文介绍了深度优先搜索(DFS)和宽度优先搜索(BFS)两种图遍历算法,分别用于解决排列数字问题和走迷宫问题,其中BFS能找到最短路径。此外,还讲解了树与图的深度优先遍历及广度优先遍历,并探讨了拓扑排序在有向图中的应用。
摘要由CSDN通过智能技术生成

一、DFS与BFS

1.1深度优先搜索(DFS)

DFS不具有最短性

//排列数字问题
#include<iostream>
using namespace std;

const int N = 10;
int n;
int path[N];
bool st[N];

void dfs(int u)
{
    if(u == n)
    {
        for(int i = 0;i < n;i++) printf("%d",path[i]);
        puts("");
        return;
    }
    for(int i =1;i <= n;i++)
    {
        if(!st[i])
        {
            path[u] = i;
            st[i] = true;
            dfs(u + 1);
            st[i] = false;
        }
    }
}
int main()
{
    cin>>n;
    dfs(0);
    return 0;
}

1.2宽度优先搜索(BFS)

一层一层搜索,可以搜到最短路。

 

 

//走迷宫问题
#include<iostream>
#include<algorithm>
#include<queue>
#include<cstring>
using namespace std;

typedef pair<int,int> PII;

const int N = 110;

int n,m;
int g[N][N];
int d[N][N];
PII q[N * N];

int bfs()
{
    int hh = 0,tt = 0;
    q[0] = {0,0};

    //初始化为-1
    memset(d,-1,sizeof d);
    d[0][0] = 0;

    //定义头的向量
    int dx[4] = {-1,0,1,0},dy[4] = {0,1,0,-1};

    while(hh <= tt)
    {
        auto t = q[hh ++];

        for(int  i = 0; i< 4;i++)
        {
            int x = t.first + dx[i],y = t.second + dy[i];
            if(x >=0 && x < n && y >= 0 && y < m && g[x][y] ==0 && d[x][y] == -1)
            {
                d[x][y] = d[t.first][t.second] + 1;
                q[++ tt] = {x,y};
            }
        }
    }
    return d[n - 1][m - 1];
}

int main()
{
    cin>>n>>m;

    for(int  i = 0;i < n;i++)
        for(int j = 0;j < m;j++)
            cin>>g[i][j];

    cout<<bfs()<<endl;

    return 0;
}

二、树与图的遍历

2.1树与图的深度优先遍历

#include<iostream>
using namespace std;

int n,m;
//h存的是n个链表的链表头
//e存的是所有的结点值
//ne存的是每个节点的next指针
int h[N],e[M],ne[M],idx;
bool st[N];

void dfs(int u)
{
    stu[u] = true; //标记一下,已经被搜过了
    
    for(int i = h[u];i != -1;i = ne[i])
    {
        int j = e[i];
        if(!st[j]) dfs(j);
    }
}

2.2树与图的广度优先遍历

 

int n,m;
int h[N],e[N],ne[N],idx;
//d是距离,q是队列
int d[N],q[N];

//插入函数
void add(int a,int b)
{
    e[idx] = b,ne[idx],ne[idx] = h[a],h[a] = idx++;
}
int bfs()
{
    //定义队头队尾
    int hh = 0,tt = 0;
    q[0] = 1;
    
    memset(d,-1,sizeof d);
    
    d[1] = 0;
    
    while(hh <= tt)
    {
        int t = q[hh ++];
        for(int i = h[t];i != -1;i = ne[i])
        {
            int j = e[i];
            if(d[j] == -1)
            {
                d[j] = d[t] + 1;
                q[++ tt] = j;
            }
        }
    }
    return d[n];
}

三、拓扑排序

适用于有向图

 

#include<cstring>
#include<iostream>
#include<algorithm>

using namespace std;

const int N = 100010;

int n,m;
int h[N],e[N],ne[N],idx;
//q为队列,d为存储的入度
int q[N],d[N];

void add(int a,int b)
{
    e[idx] = b,ne[idx] = h[a],h[a] = idx++;
}

bool topsort()
{
    int hh = 0,tt = -1;

    for(int i =1;i <= n;i++)
    {
        if(!d[i])
            q[++tt] = i;
    }
    while(hh <= tt)
    {
        int t = q[hh++];

        for(int i = h[t];i!=-1;i = ne[i])
        {
            int j = e[i];
            d[j]--;
            if(d[j] == 0) q[++tt] = j;
        }
    }
    return tt == n-1;
}
int main()
{
    cin>>n>>m;

    memset(h,-1,sizeof h);

    for(int  i = 0;i < m;i++)
    {
        int a,b;
        cin>>a>>b;
        add(a,b);
    }
    if(topsort())
    {
        for(int i =0;i < n;i++) printf("%d",q[i]);
        puts("");
    }
    else{
        puts("-1");
    }

    return 0;
}

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip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

打赏作者

几两春秋梦_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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