dfs

dfs解决迷宫问题,就是1代表障碍,0代表通过,然后问从头到尾一共有几条路径可以走到终点,
这个问题同样是dfs加回溯,就是遍历每一个走过点的上下左右四个方向,直到最后走到终点再重新回溯就是return 1,
把走过的还原为0,(因为走过的路都标记为1),
最后return  sum把顺带可以return的结果输出。
/* 
  输入两个数n,m,代表迷宫的行和列 
  接下来输入n行m列由0,1组成的迷宫,其中1代表障碍 
  求从左上角到右下角的路线个数 
*/  
#include<stdio.h>  
#define N 1000//最大行列数  
int mg[N][N];//存放迷宫图  
int re[N][N];//记录之前是否走过  
int n, m;//行,列  
int dfs(int x, int y){//现在在(x,y)点  
    if(x < 0 || x > n - 1 || y < 0 || y > m - 1 || re[x][y] == 1 || mg[x][y] == 1) return 0;//走出界外或之前走过或遇到障碍  
    if(x == n - 1 && y == m - 1) return 1;//走到终点  
    re[x][y] = 1;//该点标记为走过  
    int sum = 0;  
    sum += dfs(x - 1, y);//向左走  
    sum += dfs(x + 1, y);//向右走  
    sum += dfs(x, y - 1);//向上走  
    sum += dfs(x, y + 1);//向下走  
    re[x][y] = 0;//该点还原为没有走过  
    return sum;  
}  
int main(){  
    int i, j;  
    while(~scanf("%d%d", &n, &m)){//输入行列  
        for(i = 0; i < n; i ++)  
        {  
            for(j = 0; j < m; j ++) scanf("%d", &mg[i][j]);//读入迷宫图  
        }  
        printf("%d\n", dfs(0, 0));//输出结果  
    }  
    return 0;  
}  
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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