小明在玩一款迷宫游戏,在游戏中他要控制自己的角色离开一间由NxN个格子组成的2D迷宫。
小明的起始位置在左上角,他需要到达右下角的格子才能离开迷宫。
每一步,他可以移动到上下左右相邻的格子中(前提是目标格子可以经过)。
迷宫中有些格子小明可以经过,我们用'.'表示;
有些格子是墙壁,小明不能经过,我们用'#'表示。
此外,有些格子上有陷阱,我们用'X'表示。除非小明处于无敌状态,否则不能经过。
有些格子上有无敌道具,我们用'%'表示。
当小明第一次到达该格子时,自动获得无敌状态,无敌状态会持续K步。
之后如果再次到达该格子不会获得无敌状态了。
处于无敌状态时,可以经过有陷阱的格子,但是不会拆除/毁坏陷阱,即陷阱仍会阻止没有无敌状态的角色经过。
给定迷宫,请你计算小明最少经过几步可以离开迷宫
输入格式
----
第一行包含两个整数N和K。 (1 <= N <= 1000 1 <= K <= 10)
以下N行包含一个NxN的矩阵。
矩阵保证左上角和右下角是'.'。
输出格式
----
一个整数表示答案。如果小明不能离开迷宫,输出-1。
样例输入
5 3
...XX
##%#.
...#.
.###.
.....
样例输出
10
题目链接:https://blog.youkuaiyun.com/qq_46311811/article/details/123769924
最开始我的思路是用bfs,将陷阱存在一个列表中,遇到无敌时遍历陷阱列表,若能保持无敌状态走到该位置,则将该陷阱的位置存入栈中,但这样栈中会出现多很多步的位置,所以出栈时要判断出栈位置是否符合当前步数,不符合就再入栈然后跳过本次循环。
但这样只得30分,小数据可以过,大数据会超时。
后来参考大佬的代码
import java.util.*;
public class 迷宫与陷阱 {
static int n, k, vis[][][];
static char[][] c;
public static void main(String[] args) {
Scanner sc = new Scanner(System.in);
n = sc.nextInt();
k = sc.nextInt();
vis = new int[n][n][11];
c = new char[n][n];
sc.nextLine();
for (int i = 0; i < n; i++) {
c[i] = sc.nextLine().toCharArray();
}
System.out.println(bfs());
}
public static int bfs() {
Queue<Node> q = new LinkedList<>();
int[][] dir = {{-1, 0}, {1, 0}, {0, -1}, {0, 1}};
int ans=0;
q.offer(new Node(0,0,0));
vis[0][0][0]=1;
while (!q.isEmpty()){
int len=q.size();
while (len-->0){
Node head=q.poll();
if (head.x==n-1&&head.y==n-1){
return ans;
}
for (int i = 0; i < 4; i++) {
int x=head.x+dir[i][0];
int y=head.y+dir[i][1];
if (x>=0&&x<n&&y>=0&&y<n&&c[x][y]!='#'&&vis[x][y][head.w]!=1){
if (c[x][y]=='.'){
q.offer(new Node(x,y,head.w==0?0:head.w-1));
vis[x][y][head.w]=1;
}
else if (c[x][y]=='%'){
q.offer(new Node(x,y,k));
vis[x][y][k]=1;
c[x][y]='.';
}
else if (c[x][y]=='X'){
if (head.w>0){
q.offer(new Node(x,y,head.w-1));
vis[x][y][head.w-1]=1;
}
}
}
}
}
ans++;
}
return -1;
}
static class Node {
int x, y, w;
public Node(int x, int y,int w) {
this.x = x;
this.y = y;
this.w = w;
}
}
}
大佬文章:【蓝桥真题7】贴吧车队作弊?应对线上考和双填趋势,我们该如何备考?_执 梗的博客-优快云博客
最小步数逃离迷宫:无敌陷阱与路径优化
本文解析了一道关于迷宫游戏的编程问题,涉及无敌状态、陷阱和最少步数策略。博主分享了从 BFS 到优化算法的解决方案,挑战大数据效率。

被折叠的 条评论
为什么被折叠?



