【leetcode】130.(Medium)Surrounded Regions

本文介绍了一种使用深度优先搜索(DFS)策略解决棋盘游戏中特定问题的方法。通过从棋盘边缘开始,标记并连接外部的'O'字符,最终转换棋盘上的字符状态,实现了对游戏局面的有效分析。
解题思路:
从board最边缘一圈开始向内使用DFS,将可以连通外圈的O设为'#',最后将所有的'#'转化为'O',将其他的'O'转化为'X'。

提交代码:

class Solution{
	public void solve(char[][] board) {
		if(board.length==0||board.length==1||board.length==2)	return;
		
		int m=board.length;
		int n=board[0].length;
		
		// DFS up
		for(int i=0;i<n;i++) {
			if(board[0][i]=='O') {
				board[0][i]='#';
				DFS(0,i,board);
			}
		}
		// right
		for(int j=1;j<m;j++) {
			if(board[j][n-1]=='O') {
				board[j][n-1]='#';
				DFS(j,n-1,board);
			}
		}
		//bottom
		for(int i=0;i<n-1;i++) {
			if(board[m-1][i]=='O') {
				board[m-1][i]='#';
				DFS(m-1,i,board);
			}
		}
		//left
		for(int j=1;j<m-1;j++) {
			if(board[j][0]=='O') {
				board[j][0]='#';
				DFS(j,0,board);
			}
		}
		
		for(int i=0;i<m;i++) {
			for(int j=0;j<n;j++) {
				if(board[i][j]=='X')	continue;
				if(board[i][j]=='#') 
					board[i][j]='O';
				else
					board[i][j]='X';
			}
		}
		
	}		
	
	private void DFS(int x,int y,char[][] board) {
		if(x-1>=0) {
			if(board[x-1][y]=='O') {
				board[x-1][y]='#';
				DFS(x-1,y,board);
			}
		}
		if(x+1<board.length) {
			if(board[x+1][y]=='O') {
				board[x+1][y]='#';
				DFS(x+1,y,board);
			}
		}
		if(y-1>=0) {
			if(board[x][y-1]=='O') {
				board[x][y-1]='#';
				DFS(x,y-1,board);
			}
		}
		if(y+1<board[0].length) {
				if(board[x][y+1]=='O') {
					board[x][y+1]='#';
					DFS(x,y+1,board);
				}
			}
		}
	}

运行结果:
在这里插入图片描述

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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