蝌蚪安家

小蝌蚪安家

发布时间: 2017年6月13日 14:20   最后更新: 2017年6月13日 14:23   时间限制: 1000ms   内存限制: 128M

在一个矩形区域内,有些地方有水,有些地方没水。所有相邻的有水的地方会共同组成一个水洼,小蝌蚪想在这块区域中找到一个最大的水洼来安家。


有多组输入数据,每组第一行包含两个正整数n,m(n,m<=100),接下来n行,每行m个字符,“.”表示有水,“#”表示没水。

对于每组输入数据输出一行,包含一个整数,表示最大的水洼的面积。

 复制
3 3
###
###
##.
2 3
#..
..#
3 3
##.
#..
.##
1
4
3



基础题,bfs或者dfs。为练习,使用dfs。

解决方法:一种是floodfill,一种是一般的dfs。

#include<iostream>
#include<string.h>
using namespace std;
const int maxn = 100+5;

int m,n,area,maxlen;
char map[maxn][maxn];
int vis[maxn][maxn];
int num[100];
void dfs(int r,int c,int idx)
{
	if(r<0||r>=m||c<0||c>=n)return;//防出界
	if(vis[r][c]||map[r][c]!='.')return;
	
	vis[r][c] = idx;
	
	for(int dr = -1;dr<=1;dr++)
		for(int dc = -1;dc<=1;dc++)
		 if(dr!=0||dc!=0)//不同时为零
		 
//	dfs(r+1,c,idx);
//	dfs(r-1,c,idx);
//	dfs(r,c+1,idx);
//	dfs(r,c-1,idx); 
//		
			
	num[idx]++;	
	
}
int main()
{
	
	while(cin>>m>>n)
	{ 
	maxlen = -1;
	for(int i = 0;i<m;i++)scanf("%s",&map[i]);
	memset(vis,0,sizeof(vis)); 
	memset(num,0,sizeof(num));
	int cnt= 0;
	for(int i = 0 ;i < m;i++)
		for(int j = 0; j < n;j++)
		if(!vis[i][j]&&map[i][j]=='.')dfs(i,j,++cnt);
		cout<<cnt<<endl;
		
	for(int i =0 ;i < 100;i++)
	{
		maxlen = max(maxlen,num[i]);
		
	}
	cout<<maxlen<<endl;
		
	}	
}

 

#include<iostream>
#include<string.h>
using namespace std;
#define M 110
int n,m,maxA,tmpA;
char map[M][M];
int vis[M][M];
int to[4][2] = {{1,0},{0,1},{-1,0},{0,-1}};
void dfs(int sx,int sy)
{
	if(vis[sx][sy]||map[sx][sy]!='.')
		return ;
	if(sx<0||sx>=n||sy<0||sy>=m)
		return ;
	
	vis[sx][sy] = 1;
	tmpA++;
	
	for(int i = 0 ;i < 4;i++)
	{
		dfs(sx+to[i][0],sy+to[i][1]);
	}
	
	
}




int main()
{
	
	freopen("kedou.txt","r",stdin);
	while(scanf("%d%d",&n,&m)!=EOF)
	{
		memset(vis,0,sizeof(vis));
		for(int i = 0 ; i < n;i++)
		scanf("%s",&map[i]);
		maxA = 0;
		tmpA = 0; 
		for(int i = 0;i<n;i++)
			for(int j =0;j<m;j++)
			{
				if(map[i][j]=='.'&&vis[i][j]!=1)
				{	
					dfs(i,j);
					maxA = max(maxA,tmpA)
					tmpA = 0;
				}
			}
		cout<<maxA<<endl;	
	}	
}




































内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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