HDU 1175 连连看 BFS

本文通过使用广度优先搜索(BFS)算法解决迷宫问题,并详细解释了如何记录和处理路径转折次数,以及避免重复访问导致的问题。通过实例演示了算法的应用,并提供了代码实现。
思路:我是用BFS去找的,这样就出现了一个问题,一个结点可能有n个结点依次访问这个结点,但如果用vis数组标记的话,访问一次就不能访问了,万一后面的访问得到的结果更好呢?于是我就脑补了一个想法,记录这个点被访问到的时候经历过的转折的最小值,如果后面的访问到这一步经历过的转折 这个转折的最小值的话,就将这个点重新加入队列中。
坑点:就是如果=这一步的最小值也是要加入队列中的,因为方向不同,可能会得到更好的结果。(因为这个WA了一发,都是泪。)
数据:
3 4
5 0 0 1
5 1 0 0
0 0 0 5
4
3 4 1 1
1 1 3 4
2 1 3 4
3 4 2 1
0 0
输出:
YES
YES
YES
YES

http://acm.hdu.edu.cn/showproblem.php?pid=1175

/*********************************************
    Problem : HDU 1175
    Author  : NMfloat
    InkTime (c) NM . All Rights Reserved .
********************************************/

#include <map>
#include <set>
#include <queue>
#include <cmath>
#include <ctime>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <iostream>
#include <algorithm>

#define rep(i,a,b)  for(int i = (a) ; i <= (b) ; i ++)
#define rrep(i,a,b) for(int i = (b) ; i >= (a) ; i --)
#define repE(p,u) for(Edge * p = G[u].first ; p ; p = p -> next)
#define cls(a,x)   memset(a,x,sizeof(a))
#define eps 1e-8

using namespace std;

const int MOD = 1e9+7;
const int INF = 0x3f3f3f3f;
const int MAXN = 1e5+5;
const int MAXE = 2e5+5;

typedef long long LL;
typedef unsigned long long ULL;

int T,n,m,k;

int Map[1005][1005];
int Mapz[1005][1005];
int x11,y11,x22,y22;
int fx[] = {0,1,-1,0,0} ;
int fy[] = {0,0,0,1,-1} ;

struct Node {
    int x,y;//坐标;
    int z;//经过了多少次转折。
    int fa; //到达Node的方向
    Node(){}
    Node(int _x, int _y,int _z,int _fa){x = _x ; y = _y;z = _z;fa = _fa;}
};

queue<Node>q;
int ok;

void BFS() {
    while(!q.empty())q.pop();
    q.push(Node(x11,y11,0,0));
    while(!q.empty()) {
        Node tmp = q.front();
        q.pop();
        if(tmp.z > 3) continue;
        if(tmp.x == x22 && tmp.y == y22) { ok = 1 ; break ; }
        int tmpx,tmpy,zhe;
        rep(i,1,4) {
            tmpx = tmp.x + fx[i] ; 
            tmpy = tmp.y + fy[i] ;
            if(tmpx >= 1 && tmpx <= n && tmpy >= 1 && tmpy <= m) {
                if(Map[tmpx][tmpy] == 0 || (tmpx == x22 && tmpy == y22)) {
                    zhe = tmp.z;
                    if(i != tmp.fa) zhe ++;
                    if(Mapz[tmpx][tmpy] >= zhe) {
                        Mapz[tmpx][tmpy] = zhe;
                        q.push(Node(tmpx,tmpy,zhe,i));
                    }
                }
            }
        }
    }
}

void input() {
    rep(i,1,n) rep(j,1,m) scanf("%d",&Map[i][j]);
}

void solve() {
    int q;
    scanf("%d",&q);
    rep(i,1,q) {
        ok = 0;
        scanf("%d %d %d %d",&x11,&y11,&x22,&y22);
        if((Map[x11][y11] == Map[x22][y22]) && (Map[x11][y11] != 0)) 
        {
            cls(Mapz,0x3f);
            Mapz[x11][y11] = 0;
            BFS();
        }
        if(x11 == x22 && y11 == y22) ok = 0;
        if(ok) puts("YES");
        else puts("NO");
    }
}

int main(void) {
    //freopen("a.in","r",stdin);
    //scanf("%d",&T); while(T--) {
    while(scanf("%d %d",&n,&m),n+m) {
    //while(scanf("%d",&n),n) {
        input();
        solve();
    }
    return 0;
}
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
内容概要:本文介绍了基于粒子群优化算法(PSO)的p-Hub选址优化问基于粒子群优化算法的p-Hub选址优化(Matlab代码实现)题的Matlab代码实现,旨在解决物流与交通网络中枢纽节点的最优选址问题。通过构建数学模型,结合粒子群算法的全局寻优能力,优化枢纽位置及分配策略,提升网络传输效率并降低运营成本。文中详细阐述了算法的设计思路、实现步骤以及关键参数设置,并提供了完整的Matlab仿真代码,便于读者复现和进一步改进。该方法适用于复杂的组合优化问题,尤其在大规模网络选址中展现出良好的收敛性和实用性。; 适合人群:具备一定Matlab编程基础,从事物流优化、智能算法研究或交通运输系统设计的研究生、科研人员及工程技术人员;熟悉优化算法基本原理并对实际应用场景感兴趣的从业者。; 使用场景及目标:①应用于物流中心、航空枢纽、快递分拣中心等p-Hub选址问题;②帮助理解粒子群算法在离散优化问题中的编码与迭代机制;③为复杂网络优化提供可扩展的算法框架,支持进一步融合约束条件或改进算法性能。; 阅读建议:建议读者结合文中提供的Matlab代码逐段调试运行,理解算法流程与模型构建逻辑,重点关注粒子编码方式、适应度函数设计及约束处理策略。可尝试替换数据集或引入其他智能算法进行对比实验,以深化对优化效果和算法差异的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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