回家

大水一道,直接切爆。
我们需要记录每一行有哪些车站,每一列有哪些车站。
然后spfa。spfa队列头是起点,每次拓展的时候枚举哪些车站在当前行/列,每次去到一个点,就看一下是否可以更新答案。

#include<bits/stdc++.h>
#define N 100010
#define inf 2147483647
#define ll long long
#define point(a) multiset<a>::iterator 
#define mod (ll)(500000)
#define mem(a,b) memset(a,b,sizeof (a))
#define open(x) freopen(x".in","r",stdin);freopen(x".out","w",stdout);
using namespace std;

struct st
{
	ll x,y;
}home,school,s[N];
struct edge
{ll v,fr;}h[N],l[N];

ll n,m,i,j,k,ans,toth,totl;
ll tailh[N],taill[N],f[N],q[N*50];

void addh(ll u,ll v)
{
	h[++toth].v=v;
	h[toth].fr=tailh[u];
	tailh[u]=toth;
}
void addl(ll u,ll v)
{
	l[++totl].v=v;
	l[totl].fr=taill[u];
	taill[u]=totl;
}
void updata(st a,ll dis)
{
	ll x=a.x,y=a.y;
	if(x!= school.x && y!=school.y)return ;
	if(x == school.x )
		dis+= 2*abs(y - school.y); else dis+= 2*abs(x - school.x);
	ans=(ans==-1) || (ans>dis) ? dis :ans;
}

void spfa()
{
	mem(f,127);
	ll i=0,j=1;
	s[0]=home;
	f[0]=0;
	q[1]=0;
	while(i++<j)
	{
		ll u=q[i%mod],x=s[u].x,y=s[u].y;
		for(ll ph=tailh[x];ph;ph=h[ph].fr)
		{
			ll v=h[ph].v,dec=abs(y - s[v].y);
			if(f[u] + 1 + 2*dec < f[v])
			{
				f[v]=f[u] + 1 +2*dec;
				updata(s[v],f[v]);
				if(!(s[v].x == school.x && s[v].y == school.y))q[(++j)%mod]=v;
			}
			
		}
		
		for(ll pl=taill[y];pl;pl=l[pl].fr)
		{
			ll v=l[pl].v,dec=abs(x - s[v].x);
			if(f[u] + 1 + 2*dec < f[v])
			{
				f[v]=f[u] + 1 +2*dec;
				updata(s[v],f[v]);
				if(!(s[v].x == school.x && s[v].y == school.y))q[(++j)%mod]=v;
			}
			
		}
	}
	return ;
}
int main()
{
	open("station");
	scanf("%lld%lld",&n,&m);
	for(i=1;i<=m;i++)
	{
		scanf("%lld%lld",&s[i].x,&s[i].y);
		addh(s[i].x,i); //第s[i].x行 - > 第i个车站 
		addl(s[i].y,i);
	}
	scanf("%lld%lld%lld%lld",&home.x,&home.y,&school.x,&school.y);
	ans=-1;
	spfa();
	printf("%lld",ans);
	return 0;
	
}
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论 1
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