【重点】【BFS】542.01矩阵

本文介绍了一个名为Solution的类中的updateMatrix方法,通过广度优先搜索(BFS)计算给定矩阵中每个元素到0的距离,返回更新后的距离矩阵。

题目
非常类似题目:994.腐烂的橘子

法1:经典BFS

在这里插入图片描述
下图中就展示了我们方法:
在这里插入图片描述

Python

class Solution:
    def updateMatrix(self, mat: List[List[int]]) -> List[List[int]]:
        q = collections.deque()
        m, n = len(mat), len(mat[0])
        used = [[False]*n for _ in range(m)]
        dis = [[0]*n for _ in range(m)]
        for i in range(m):
            for j in range(n):
                if mat[i][j] == 0:
                    q.append([i, j])
                    used[i][j] = True
        dx = [-1, 1, 0, 0]
        dy = [0, 0, -1, 1]
        while q:
            tmp_size = len(q)
            for _ in range(tmp_size):
                cur_xy = q.popleft()
                for i in range(4):
                    nx = cur_xy[0] + dx[i]
                    ny = cur_xy[1] + dy[i]
                    if (0 <= nx < m 
                        and 0 <= ny < n
                        and not used[nx][ny]):
                        dis[nx][ny] = dis[cur_xy[0]][cur_xy[1]] + 1
                        used[nx][ny] = True
                        q.append([nx, ny])
        
        return dis

Java

class Solution {
    public int[][] updateMatrix(int[][] mat) {
        int m = mat.length, n = mat[0].length;
        int[][] dist = new int[m][n];
        boolean[][] used = new boolean[m][n];
        Queue<int[]> queue = new LinkedList<>();
        for (int i = 0; i < m; ++i) {
            for (int j = 0; j < n; ++j) {
                if (mat[i][j] == 0) {
                    queue.offer(new int[]{i, j});
                    used[i][j] = true;
                }
            }
        }
        int[] xMove = new int[]{-1, 1, 0, 0};
        int[] yMove = new int[]{0, 0, -1, 1};
        while (!queue.isEmpty()) {
            int[] curLoc = queue.poll();
            int curX = curLoc[0], curY = curLoc[1];
            for (int i = 0; i < 4; ++i) {
                int xNew = curX + xMove[i];
                int yNew = curY + yMove[i];
                if (xNew >= 0 && xNew < m && yNew >= 0 && yNew < n && !used[xNew][yNew]) {
                    queue.offer(new int[]{xNew, yNew});
                    dist[xNew][yNew] = dist[curX][curY] + 1;
                    used[xNew][yNew] = true;
                }
            }
        }

        return dist;
    }
}
【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
以下是使用广度优先搜索(BFS)算法求解可达矩阵的C++代码示例: ```cpp #include <iostream> #include <queue> #include <vector> using namespace std; // 定义矩阵的行列数 const int ROWS = 5; const int COLS = 5; // 定义矩阵中的四个方向 const int dx[] = {1, -1, 0, 0}; const int dy[] = {0, 0, 1, -1}; // 判断坐标(x, y)是否在矩阵内 bool isValid(int x, int y) { return x >= 0 && x < ROWS && y >= 0 && y < COLS; } // 使用BFS算法求解可达矩阵 vector<vector<bool>> findReachableMatrix(vector<vector<int>>& matrix) { vector<vector<bool>> reachable(ROWS, vector<bool>(COLS, false)); vector<vector<bool>> visited(ROWS, vector<bool>(COLS, false)); queue<pair<int, int>> q; q.push({0, 0}); visited[0][0] = true; reachable[0][0] = true; while (!q.empty()) { int x = q.front().first; int y = q.front().second; q.pop(); for (int i = 0; i < 4; i++) { int nx = x + dx[i]; int ny = y + dy[i]; if (isValid(nx, ny) && !visited[nx][ny] && matrix[nx][ny] == 1) { q.push({nx, ny}); visited[nx][ny] = true; reachable[nx][ny] = true; } } } return reachable; } int main() { // 定义示例矩阵 vector<vector<int>> matrix = { {1, 0, 1, 0, 1}, {1, 1, 0, 1, 0}, {0, 1, 1, 0, 1}, {0, 0, 1, 1, 0}, {1, 1, 1, 1, 1} }; // 求解可达矩阵 vector<vector<bool>> reachableMatrix = findReachableMatrix(matrix); // 输出可达矩阵 for (int i = 0; i < ROWS; i++) { for (int j = 0; j < COLS; j++) { cout << reachableMatrix[i][j] << " "; } cout << endl; } return 0; } ``` 这段代码使用了一个二维矩阵来表示给定的图,其中1表示可以到达的位置,0表示不可到达的位置。通过BFS算法遍历矩阵,将所有可达的位置标记为true,并将结果存储在`reachableMatrix`中。最后,将结果输出到控制台上。 请注意,这只是一个简单的示例代码,实际应用中可能需要根据具体需求进行相应的修改和优化。
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