图结构练习——BFS——从起始点到目标点的最短步数

BFS求解最短路径
本文介绍了一个基于广度优先搜索(BFS)算法的问题,该问题涉及从起点到终点寻找最短路径的方法。在一个由隘口和通道组成的图结构中,通过BFS算法确定从特定起点(天灾军团所在地)到终点(近卫军团所在地)是否存在路径,并计算出最短路径长度。

图结构练习——BFS——从起始点到目标点的最短步数

Time Limit: 1000MS  Memory Limit: 65536KB
Problem Description

 在古老的魔兽传说中,有两个军团,一个叫天灾,一个叫近卫。在他们所在的地域,有n个隘口,编号为1..n,某些隘口之间是有通道连接的。其中近卫军团在1号隘口,天灾军团在n号隘口。某一天,天灾军团的领袖巫妖王决定派兵攻打近卫军团,天灾军团的部队如此庞大,甚至可以填江过河。但是巫妖王不想付出不必要的代价,他想知道在不修建任何通道的前提下,部队是否可以通过隘口及其相关通道到达近卫军团展开攻击;如果可以的话,最少需要经过多少通道。由于n的值比较大(n<=1000),于是巫妖王找到了擅长编程的你 =_=,请你帮他解决这个问题,否则就把你吃掉变成他的魔法。为了拯救自己,赶紧想办法吧。

 

Input

 输入包含多组,每组格式如下。

第一行包含两个整数n,m(分别代表n个隘口,这些隘口之间有m个通道)。

下面m行每行包含两个整数a,b;表示从a出发有一条通道到达b隘口(注意:通道是单向的)。

 

Output

 如果天灾军团可以不修建任何通道就到达1号隘口,那么输出最少经过多少通道,否则输出NO。

 

Example Input
2 1
1 2
2 1
2 1
Example Output
NO

1

#include <bits/stdc++.h>
using namespace std;

const int N=1005;
int a[N][N];
bool visited[N];
int n,m;
void BFSTraverse()
{
	for(int i=1;i<=n;i++)
		visited[i]=false;
	queue<pair<int,int> > que;	//创建空的队列,每个队列元素是pair<int,int>类型
	if(!visited[n])
	{
		visited[n]=true;
		if(n==1)
		{
			cout<<0<<endl;
			return ;	//不能使用exit(); 
		}
		que.push(make_pair(n,0));	//使用make_pair()函数,返回pair<int,int>(x,y); 
	} 
	while(!que.empty())
	{
		pair<int,int> u=que.front(); 
		que.pop();
		for(int j=1;j<=n;j++)
		{
			if(a[u.first][j]==1&&visited[j]==false)	//pair<,>里面第一个元素调用使用,u.first 
			{
				visited[j]=true;
				pair<int,int> nextj=make_pair(j,u.second+1);
				if(nextj.first==1)
				{
					cout<<nextj.second<<endl;
					return ;	//不能使用exit(); 
				}
				que.push(nextj);
			}
		}
	}
	cout<<"NO"<<endl;	//没有可行路径 
} 
int main()
{
	while(~scanf("%d %d",&n,&m))		//多组数据输入 
	{
		memset(a,0,sizeof(a));
		while(m--)
		{
			int v1,v2;
			scanf("%d %d",&v1,&v2);
			a[v1][v2]=1;	//单向图 
		}
		BFSTraverse(); 
	}
	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
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