BFS骑士旅行

Description

在一个n*m 格子的棋盘上,有一只国际象棋的骑士在棋盘的左下角 (1;1),骑士只能根据象棋的规则进行移动,要么横向跳动一格纵向跳动两格,要么纵向跳动一格横向跳动两格。 例如, n=4,m=3 时,若骑士在格子(2;1) , 则骑士只能移入下面格子:(1;3),(3;3) 或 (4;2);对于给定正整数n,m,i,j值 (m,n<=50,I<=n,j<=m) ,你要测算出从初始位置(1;1) 到格子(i;j)最少需要多少次移动。如果不可能到达目标位置,则输出"NEVER"。

Imput

输入文件的第一行为两个整数n与m,第二行为两个整数i与j。

Output

输出文件仅包含一个整数为初始位置(1;1) 到格子(i;j)最少移动次数。

Sample Input

5 3
1 2

Sample Output

3

分析

典型模板BFS。写好导航(注意方向 ),按照模板打即可。
可以用函数也可以不用(本人喜欢不用虽然乱 )不重要。

上代码!

#include<iostream>
#include<cstdio>
using namespace std;
int dx[9]={0,2,1,-1,-2,-2,-1,1,2};
int dy[9]={0,1,2,2,1,-1,-2,-2,-1};
int n,m,qx,qy,best,h,t,fa[3000],st[3000][4];
int a[55][55];
int main()
{
	cin>>n>>m;
	cin>>qx>>qy;
	a[1][1]=1;
	best=0;
	h=0;t=1;
	fa[1]=0;
	st[1][1]=1;st[1][2]=1;st[1][3]=0;
	/*st[i,1]记录横坐标,st[i,2]记录纵坐标,st[i,3]记录步数*/
	do
	{
	    h++;
		for(int i=1;i<=8;i++)
		{
			int xx=st[h][1]+dx[i];
			int yy=st[h][2]+dy[i];
			if(xx>0&&xx<=n&&yy>0&&yy<=m&&a[xx][yy]==0)
			{
				t++;//入队
				fa[t]=h;//把前面那个标记成他的爸爸 
				st[t][1]=xx;
				st[t][2]=yy;
				a[xx][yy]=1;//记录走过
				st[t][3]=st[h][3]+1;//增加一步
				if(xx==qx&&yy==qy)//到达终点 
				{
					best=st[t][3];//记录,走人 
					break;
				} 
			}
		} 
	}while(h<t);
	if(best==0) cout<<"NEVER";
	else cout<<best; 
	return 0;
} 


内容概要:本文档详细介绍了基于MATLAB实现的多头长短期记忆网络(MH-LSTM)结合Transformer编码器进行多变量时间序列预测的项目实例。项目旨在通过融合MH-LSTM对时序动态的细致学习和Transformer对全局依赖的捕捉,显著提升多变量时间序列预测的精度和稳定性。文档涵盖了从项目背景、目标意义、挑战与解决方案、模型架构及代码示例,到具体的应用领域、部署与应用、未来改进方向等方面的全面内容。项目不仅展示了技术实现细节,还提供了从数据预处理、模型构建与训练到性能评估的全流程指导。 适合人群:具备一定编程基础,特别是熟悉MATLAB和深度学习基础知识的研发人员、数据科学家以及从事时间序列预测研究的专业人士。 使用场景及目标:①深入理解MH-LSTM与Transformer结合的多变量时间序列预测模型原理;②掌握MATLAB环境下复杂神经网络的搭建、训练及优化技巧;③应用于金融风险管理、智能电网负荷预测、气象预报、交通流量预测、工业设备健康监测、医疗数据分析、供应链需求预测等多个实际场景,以提高预测精度和决策质量。 阅读建议:此资源不仅适用于希望深入了解多变量时间序列预测技术的读者,也适合希望通过MATLAB实现复杂深度学习模型的开发者。建议读者在学习过程中结合提供的代码示例进行实践操作,并关注模型训练中的关键步骤和超参数调优策略,以便更好地应用于实际项目中。
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