HDU-2952 BFS

/*
 * counting sheeps
 * mike-w
 * 2012-4-30
 * ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
 *  题目描述很有意思 :)
 *  为什么失眠?本人缺觉==!
 */
#include<stdio.h>
#include<stdlib.h>
#include<string.h>

#define MAX_SIZE 128
#define Q_SIZE (MAX_SIZE*4)

char f[MAX_SIZE][MAX_SIZE];
int dir[4][2]={{0,1},{0,-1},{1,0},{-1,0}};
int T,H,W;
int que[Q_SIZE][2],qhead,qtail,qlen;

int enque(int x, int y)
{
	if(qlen==Q_SIZE)
		return -1;
	qlen++;
	que[qtail][0]=x;
	que[qtail][1]=y;
	qtail=(qtail+1)%Q_SIZE;
	return 0;
}

int deque(int *x, int *y)
{
	if(qlen==0)
		return -1;
	qlen--;
	*x=que[qhead][0];
	*y=que[qhead][1];
	qhead=(qhead+1)%Q_SIZE;
	return 0;
}

int search(int x, int y)
{
	qhead=qtail=qlen=0;
	enque(x,y);
	f[x][y]='.';
	int x1,x2,y1,y2,i;
	while(deque(&x1,&y1)!=-1)
	{
		for(i=0;i<4;i++)
		{
			x2=x1+dir[i][0];
			y2=y1+dir[i][1];
			if(x2>=0 && x2<H && y2>=0 && y2<W && f[x2][y2]=='#')
			{
				enque(x2,y2);
				f[x2][y2]='.';
			}
		}
	}
	return 0;
}

int main(void)
{
#ifndef ONLINE_JUDGE
	freopen("in","r",stdin);
#endif
	scanf("%d",&T);
	int i,j,count;
	while(T-->0)
	{
		scanf("%d%d",&H,&W);
		for(i=0;i<H;i++)
			scanf("%s",f[i]);
		count=0;
		for(i=0;i<H;i++)
			for(j=0;j<W;j++)
				if(f[i][j]=='#')
					search(i,j),count++;
		printf("%d\n",count);
	}
	return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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