bfs入门练习Catch That Cow

本文通过抓牛游戏介绍BFS(宽度优先搜索)算法的应用。文章详细解析了如何利用BFS解决求解最短路径问题,并给出具体代码实现,展示了如何通过不同移动方式在数轴上寻找目标位置。
对于bfs宽度搜索基础练习都是大同小异,也就是说,基本上都需要一个标记数组,加上一个队列,其本质就是不停的入队,出队,直到找到结果为止,BFS对于求最短路径等问题,具有很好地优势,但是同时要注意剪枝,也就是用标记数组跳过已经检索的部分。
题目:Catch That Cow                    
Farmer John has been informed of the location of a fugitive cow and wants to catch her immediately. He starts at a point N (0 ≤ N ≤ 100,000) on a number line and the cow is at a point K (0 ≤ K ≤ 100,000) on the same number line. Farmer John has two modes of transportation: walking and teleporting.
* Walking: FJ can move from any point X to the points X - 1 or X + 1 in a single minute
* Teleporting: FJ can move from any point X to the point 2 × X in a single minute.
If the cow, unaware of its pursuit, does not move at all, how long does it take for Farmer John to retrieve it?
Input
Line 1: Two space-separated integers: N and K
Output
Line 1: The least amount of time, in minutes, it takes for Farmer John to catch the fugitive cow.
Sample Input
5 17
Sample Output
4
Hint
The fastest way for Farmer John to reach the fugitive cow is to move along the following path: 5-10-9-18-17, which takes 4 minutes.
题目大意为,在一条直线上给你两个数字,有3种移动数字的方式吗,一种是坐标+1,一种是-1,一种是*2,最后要求你输出,从第一个坐标到第二个坐标所花的最短时间,每次移动算一分钟。
分析:
这显然是一个广度搜索的问题,对于每一种情况所能到达的位置入队,然后不断更新,直到找到为止。
AC代码
#include<cstdio>
#include<queue>
#include<cstring>
using namespace std;
int book[1000000];
int n,k;
struct bu
{
	int x;
	int s;
};
int check(int x)
{
	if(x<0||x>1000000||book[x]==1)
	{
		return 0;
	}
	else return 1;
}
int bfs(int x)
{
	queue<bu> pi;
	bu p,q,xa;
	q.x=x;
	q.s=0;
	book[x]=1;
	pi.push(q);
	while(!pi.empty())
	{
		p=pi.front();
		pi.pop();
		if(p.x==k)
		{
			return p.s;
		}
		xa.x=p.x+1;
		if(check(xa.x))
		{
			book[xa.x]=1;
			xa.s=p.s+1;
			pi.push(xa);
		}
		xa.x=p.x-1;
		if(check(xa.x))
		{
			book[xa.x]=1;
			xa.s=p.s+1;
			pi.push(xa);
		}
		xa.x=2*p.x;
		if(check(xa.x))
		{
			book[xa.x]=1;
			xa.s=p.s+1;
			pi.push(xa);
			
		}
		
	}
	return -1;
}
int main()
{
	int sum;
	scanf("%d%d",&n,&k);
	sum=bfs(n);
	printf("%d",sum);
}

内容概要:本文介绍了一套针对智能穿戴设备的跑步/骑行轨迹记录系统实战方案,旨在解决传统运动APP存在的定位漂移、数据断层和路径分析单一等问题。系统基于北斗+GPS双模定位、惯性测量单元(IMU)和海拔传感器,实现高精度轨迹采集,并通过卡尔曼滤波算法修正定位误差,在信号弱环境下利用惯性导航补位,确保轨迹连续性。系统支持跑步与骑行两种场景的差异化功能,包括实时轨迹记录、多维度路径分析(如配速、坡度、能耗)、数据可视化(地图标注、曲线图、3D回放)、异常提醒及智能优化建议,并可通过蓝牙/Wi-Fi同步数据至手机APP,支持社交分享与专业软件导出。技术架构涵盖硬件层、设备端与手机端软件层以及云端数据存储,强调低功耗设计与用户体验优化。经过实测验证,系统在定位精度、续航能力和场景识别准确率方面均达到预期指标,具备良好的实用性和扩展性。; 适合人群:具备一定嵌入式开发或移动应用开发经验,熟悉物联网、传感器融合与数据可视化的技术人员,尤其是从事智能穿戴设备、运动健康类产品研发的工程师和产品经理;也适合高校相关专业学生作为项目实践参考。; 使用场景及目标:① 开发高精度运动轨迹记录功能,解决GPS漂移与断点问题;② 实现跑步与骑行场景下的差异化数据分析与个性化反馈;③ 构建完整的“终端采集-手机展示-云端存储”系统闭环,支持社交互动与商业拓展;④ 掌握低功耗优化、多源数据融合、动态功耗调节等关键技术在穿戴设备中的落地应用。; 阅读建议:此资源以真实项目为导向,不仅提供详细的技术实现路径,还包含硬件选型、测试验证与商业扩展思路,建议读者结合自身开发环境,逐步实现各模块功能,重点关注定位优化算法、功耗控制策略与跨平台数据同步机制的设计与调优。
### 关于广度优先搜索(BFS)算法的入门案例 #### BFS简介 广度优先搜索(Breadth First Search, BFS),是一种用于遍历或搜索树形结构或图数据结构的算法。该算法从根节点开始,先访问离根最近的所有邻居节点,再按层次逐步深入到更远距离的其他节点。 #### Python实现简单无向图中的BFS 下面是一个简单的Python程序,它实现了在一个假设为连通且未加权的无向图上执行BFS的过程: ```python from collections import deque def bfs(graph, start_vertex): visited = set() # 记录已访问过的顶点集合 queue = deque([start_vertex]) # 初始化队列并将起始顶点加入其中 while queue: vertex = queue.popleft() if vertex not in visited: print(f'Visited {vertex}') visited.add(vertex) # 将当前顶点相邻但尚未被访问过的新顶点入队 for neighbor in graph[vertex]: if neighbor not in visited: queue.append(neighbor) # 定义一个简单的无向图作为例子 graph_example = { 'A': ['B', 'C'], 'B': ['A', 'D', 'E'], 'C': ['A', 'F'], 'D': ['B'], 'E': ['B', 'F'], 'F': ['C', 'E'] } bfs(graph_example, 'A') # 起始于'A' ``` 此代码片段展示了如何利用`collections.deque()`创建双端队列来进行高效的先进先出操作;通过维护一个名为visited的集合来跟踪已经处理过的节点,从而避免重复工作并防止无限循环的发生。 #### 应用场景实例 考虑社交网络平台上的好友推荐功能——给定某位用户的个人资料页面作为一个起点,在其直接联系人的基础上向外扩展一层又一层的好友关系网,直到找到满足特定条件的人选为止。这正是典型的基于BFS的应用之一。
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