[BFS] [NYNUOJ] 1154 找食物

本文介绍了一种利用两次宽度优先搜索(BFS)解决寻找钥匙和打开箱子问题的方法。首先通过一次BFS找到钥匙的位置,记录下步数;然后将箱子变为障碍物,在拿到钥匙后再恢复箱子,并进行第二次BFS找到箱子。文章详细解释了算法实现过程及注意事项。

经典的BFS路长为一求最短路

思路:

先找钥匙 再找箱子

两次BFS 

未找到钥匙不可走箱子

先把箱子变墙

找到钥匙再恢复

注意判重

//#pragma GCC optimize(2)
#include <cstdio>
#include <iostream>
#include <cstdlib>
#include <cmath>
#include <cctype>
#include <string>
#include <cstring>
#include <algorithm>
#include <stack>
#include <queue>
#include <set>
#include <map>
#include <ctime>
#include <vector>
#include <fstream>
#include <list>
#include <iomanip>
#include <numeric>
using namespace std;
typedef long long ll;
 
const int MAXN = 1010;
 
char arr[1010][1010];

int usea[MAXN][MAXN] = {0}, useb[MAXN][MAXN] = {0};

ll n, m, ra, rb, ansa = 0, ansb = 0 , ta, tb;

bool finda = false, findb = false;
 
struct node
{
    int x, y, step;
 
    node(int xa, int ya, int za)
    {
        x = xa;
        y = ya;
        step = za;
    }   
};
 
int movel[4][2] = { {1, 0}, {0, 1}, {-1, 0}, {0, -1} };
 
queue <node> Q;

queue <node> QB;
 
void bfs(node a)
{
    Q.push(a);
 
    while(!Q.empty())
    {
        node b = Q.front();
 
        Q.pop();
 
        if( !(b.x < 1 || b.x > n || b.y < 1 || b.y > m || arr[b.x][b.y] == '*' || usea[b.x][b.y] == 1) )
        {
        	usea[b.x][b.y] = 1;
        	
            if(arr[b.x][b.y] == 'S')
            {
                finda = true;

                ansa = b.step;

                return ;
            }
            
            for(int i = 0; i < 4; i++)
            {
                
                Q.push(node(b.x + movel[i][0], b.y + movel[i][1], b.step + 1));
            }
        }
    }
}

void bfsb(node a)
{
	
    QB.push(a);
 
    while(!QB.empty())
    {
        node b = QB.front();
 
        QB.pop();
 
        if( !(b.x < 1 || b.x > n || b.y < 1 || b.y > m || arr[b.x][b.y] == '*' || useb[b.x][b.y] == 1) )
        {
        	useb[b.x][b.y] = 1;
            
			if(arr[b.x][b.y] == 'T')
            {
                findb = true;

                ansb = b.step;

                return ;
            }
            
            for(int i = 0; i < 4; i++)
            {
                
                QB.push(node(b.x + movel[i][0], b.y + movel[i][1], b.step + 1));
            }
        }
    }
}

int main()
{
    ios::sync_with_stdio(false);
 
    cin.tie(0);     cout.tie(0);
 
    cin>>n>>m;
    
    for(int i = 1; i <= n; i++)
    {
        for(int j = 1; j <= m; j++)
        {
            cin>>arr[i][j];

            if(arr[i][j] == 'T')
            {
                arr[i][j] = '*';

                ra = i;
                rb = j;
            }

            if(arr[i][j] == 'S')
            {
                ta = i;
                tb = j;
            }
        }
    }
 
    int x, y;
 
    cin>>x>>y;
 
    node in(x, y, 0);
    
    bfs(in);
 
    arr[ra][rb] = 'T';

    if(finda)
    {
        node in(ta, tb, 0);

        bfsb(in);
    }
    
    if(finda && findb)
        cout<<ansa + ansb<<endl;

    else
        cout<<"-1"<<endl;
 
 
    return 0;
}

 

 

(SCI三维路径规划对比)25年最新五种智能算法优化解决无人机路径巡检三维路径规划对比(灰雁算法真菌算法吕佩尔狐阳光生长研究(Matlab代码实现)内容概要:本文档主要介绍了一项关于无人机三维路径巡检规划的研究,通过对比2025年最新的五种智能优化算法(包括灰雁算法、真菌算法、吕佩尔狐算法、阳光生长算法等),在复杂三维环境中优化无人机巡检路径的技术方案。所有算法均通过Matlab代码实现,并重点围绕路径安全性、效率、能耗和避障能力进行性能对比分析,旨在为无人机在实际巡检任务中的路径规划提供科学依据和技术支持。文档还展示了多个相关科研方向的案例与代码资源,涵盖路径规划、智能优化、无人机控制等多个领域。; 适合人群:具备一定Matlab编程基础,从事无人机路径规划、智能优化算法研究或自动化、控制工程方向的研究生、科研人员及工程技术人员。; 使用场景及目标:① 对比分析新型智能算法在三维复杂环境下无人机路径规划的表现差异;② 为科研项目提供可复现的算法代码与实验基准;③ 支持无人机巡检、灾害监测、电力线路巡查等实际应用场景的路径优化需求; 阅读建议:建议结合文档提供的Matlab代码进行仿真实验,重点关注不同算法在收敛速度、路径长度和避障性能方面的表现差异,同时参考文中列举的其他研究案例拓展思路,提升科研创新能力。
### 使用BFS检测图中的环 在图论中,使用广度优先搜索 (BFS) 来检测图中的环是一种常见的方法。以下是基于 BFS 的具体实现方式。 #### 基本原理 为了通过 BFS 检测图中的环,可以利用队列辅助遍历节点,并记录每个节点的父节点信息。如果在遍历时遇到一个已访问过的节点,并且该节点不是当前节点的父节点,则说明存在环[^1]。 #### 数据结构准备 通常情况下,图可以通过邻接表或者邻接矩阵表示。对于稀疏图来说,推荐使用邻接表以节省空间并提高效率[^2]。 #### 算法描述 下面是一个伪代码形式的具体实现: ```cpp #include <iostream> #include <vector> #include <queue> using namespace std; bool bfs(vector<vector<int>>& adj, int start, vector<bool>& visited, vector<int>& parent) { queue<int> q; q.push(start); visited[start] = true; while (!q.empty()) { int u = q.front(); q.pop(); for (int v : adj[u]) { if (!visited[v]) { visited[v] = true; parent[v] = u; // 记录v的父亲节点为u q.push(v); } else if (parent[u] != v) { // 如果发现了一个已经被访问的节点,且它不是父亲节点 return true; // 则到了环 } } } return false; // 队列为空仍未到环,返回false } bool hasCycle(int V, const vector<vector<int>>& edges) { vector<vector<int>> adj(V + 1); // 创建邻接表 for (const auto& edge : edges) { adj[edge[0]].push_back(edge[1]); adj[edge[1]].push_back(edge[0]); // 对于无向图,双向连接 } vector<bool> visited(V + 1, false); vector<int> parent(V + 1, -1); for (int i = 1; i <= V; ++i) { if (!visited[i]) { if (bfs(adj, i, visited, parent)) { return true; // 发现有环立即退出 } } } return false; // 所有连通分量均未发现环 } ``` 上述代码实现了针对无向图是否存在环的判断逻辑。其中 `hasCycle` 函数用于初始化全局变量以及调用内部的 BFS 辅助函数;而后者则负责逐层扩展节点直至确认是否有环[^3]。 需要注意的是,在处理非连通图时,应确保对每一个尚未被探索的部分都执行一次独立的 BFS 过程[^4]。 --- ### 时间复杂度分析 假设给定图为 G=(V,E),即包含 |V| 个顶点和 |E| 条边: - 初始化阶段需 O(|V|); - 构建邻接表耗时 O(|E|); - 主体部分运行单次 BFS 花费时间为 O(|V|+|E|)。 因此整体时间复杂度仍保持在线性范围内,适合大规模输入场景下的应用需求。 ---
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