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。

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

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:本书《Deep Reinforcement Learning with Guaranteed Performance》探讨了基于李雅普诺夫方法的深度强化学习及其在非线性系统最优控制中的应用。书中提出了一种近似最优自适应控制方法,结合泰勒展开、神经网络、估计器设计及滑模控制思想,解决了不同场景下的跟踪控制问题。该方法不仅保证了性能指标的渐近收敛,还确保了跟踪误差的渐近收敛至零。此外,书中还涉及了执行器饱和、冗余解析等问题,并提出了新的冗余解析方法,验证了所提方法的有效性和优越性。 适合人群:研究生及以上学历的研究人员,特别是从事自适应/最优控制、机器人学和动态神经网络领域的学术界和工业界研究人员。 使用场景及目标:①研究非线性系统的最优控制问题,特别是在存在输入约束和系统动力学的情况下;②解决带有参数不确定性的线性和非线性系统的跟踪控制问题;③探索基于李雅普诺夫方法的深度强化学习在非线性系统控制中的应用;④设计和验证针对冗余机械臂的新型冗余解析方法。 其他说明:本书分为七章,每章内容相对独立,便于读者理解。书中不仅提供了理论分析,还通过实际应用(如欠驱动船舶、冗余机械臂)验证了所提方法的有效性。此外,作者鼓励读者通过仿真和实验进一步验证书中提出的理论和技术。
### 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
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