【BFS】LeetCode 130. Surrounded Regions

LeetCode 130. Surrounded Regions

Solution1:我的答案
利用bfs解决,超过98.7%的答案,还不错。关键是简单易懂!

class Solution {
public:
    void solve(vector<vector<char>>& board) {
        if (!board.size() || !board[0].size()) return;
        int m = board.size(), n = board[0].size();
        vector<vector<int> > mark(m, vector<int> (n, 0));
        for (int i = 0; i < n; i++) //首行
            if (board[0][i] == 'O')
                bfs(board, mark, 0, i);
        for (int i = 0; i < m; i++) //末列
            if (board[i][n - 1] == 'O')
                bfs(board, mark, i, n - 1);
        for (int i = 0; i < n; i++) //末行
            if (board[m - 1][i] == 'O')
                bfs(board, mark, m - 1, i);
        for (int i = 0; i < m; i++)  //首列
            if (board[i][0] == 'O')
                bfs(board, mark, i, 0);
        for (int i = 0; i < m; i++) 
            for (int j = 0; j < n; j++) 
                if (!mark[i][j])
                    board[i][j] = 'X';
        return;
    }

private:
    void bfs(vector<vector<char>>& board, vector<vector<int> >& mark, 
             int i, int j) {
        if (i < 0 || i >= board.size() || j < 0 || j >= board[0].size())
            return;
         else if (mark[i][j] || board[i][j] == 'X')
            return;
        else if (board[i][j] == 'O') {
            mark[i][j] = 1;
            bfs(board, mark, i, j + 1);
            bfs(board, mark, i, j - 1);
            bfs(board, mark, i - 1, j);
            bfs(board, mark, i + 1, j);
        }
    }
};
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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