POJ 2312 Battle City BFS+优先队列

本文介绍了一个利用BFS算法解决坦克大战游戏中从起点到终点的最短路径问题的方法,通过优先队列优化操作数计算,适用于游戏路径规划。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

POJ 2312 Battle City

博客搬新家,以后就是基本只在自己的独立博客进行更新,欢迎访问。http://zihengoi.cn

题目描述:

  题目链接:POJ 2312 Battle City

题目大意:

  坦克大战游戏中需要让坦克 Y 在给定的地图中到达指定的位置 T 。其中移动至空地 E 算一次操作,砖墙 (B 因为需要先打破再通过故算两次操作,金属墙和河不能通过。每次可向上下左右任意方向操作一次。求到达目标的最少操作数。若不能到达则输出 1

解题思路:

  因为题目要求最少操作数,即求从初始地点到目标地点的最短路,即使用 BFS 。又因为, B E对应的权值不一样,所以用优先队列,使操作数少的状态优先出队。

复杂度分析(这个最近在学怎么算,如果算错希望指出):

时间复杂度 : O(n2)
空间复杂度 : O(n)

AC代码

#include <cstdio>
#include <cstring>
#include <string>
#include <iostream>
#include <algorithm>
#include <queue>
using namespace std;
struct node{
    int x,y;
    int ans;
    bool operator < (const node &a) const{
        return ans > a.ans;
    }
};

const int maxn = 310;
int m,n;
int dir[4][2] = {{1,0},{0,1},{-1,0},{0,-1}};
int gm[maxn][maxn];

int bfs(int x0, int y0){
    priority_queue <node>Q;
    node tmp;
    tmp.x = x0;
    tmp.y = y0;
    tmp.ans = 0;
    Q.push(tmp);
    while(!Q.empty()){
        tmp = Q.top();
        Q.pop();
        for(int i = 0; i < 4; i++){
            int xt = tmp.x + dir[i][0];
            int yt = tmp.y + dir[i][1];
            if(xt <= m && xt > 0 && yt <= n && yt > 0){
                if(gm[xt][yt] == 3){
                    return tmp.ans + 1;
                }
                if(gm[xt][yt]){
                    node tmp2;
                    tmp2.x = xt;
                    tmp2.y = yt;
                    tmp2.ans = tmp.ans + gm[xt][yt];
                    Q.push(tmp2);
                    gm[xt][yt] = 0;
                }
            }
        }
    }
    return -1;
}

int main(){
    int x0, y0;
    while(scanf("%d%d",&m,&n),m||n){
        memset(gm,0,sizeof(gm));
        for(int i = 1; i <= m; i++){
            getchar();
            for(int j = 1; j <= n ;j++){
                char t = getchar();
                switch(t){
                    case 'Y': x0 = i, y0 = j; break;
                    case 'B': gm[i][j] = 2; break;
                    case 'E': gm[i][j] = 1; break;
                    case 'T': gm[i][j] = 3; break;
                }
            }
        }
        printf("%d\n",bfs(x0,y0));

    }
    return 0;
}
/*****************************************
3 4
YBEB
EERE
SSTE
5 4
YEEB
SSRE
SEEE
EERE
SSTE
0 0
************************************/
内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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