12569 - Planning mobile robot on Tree (EASY Version)

本文通过BFS算法解决石头与机器人移动最短步数的问题,避免了DFS的局限性,通过二进制表示状态空间,优化内存使用,最终实现高效的路径搜索。

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

这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

我有话说:
这是一道bfs。因为他要移动每一个石头或者机器人。换成dfs的话,一个是不知道目标状态(最小步数),二是容易爆栈。既然是bfs,那么要考虑一下如何判重,想法是转换成二进制,对于编号上的格子是否有石头或者机器人采用1或0表示。但是,数组开太小会RE太大会TLE,后来看了一个大神的题解,选择了一个恰好的maxstate。

#include <iostream>
#include <cstdio>
#include <vector>
#include <queue>
#include <algorithm>
#include <cstring>

using namespace std;
struct State{
   int robot,tree,d;
   int x,y;
};
const int maxstate=(1<<15)*15+10;
int T,n,m,s,t,kase=1,init_tree,vis[1<<15][15];
vector<int>G[20];
State st[maxstate];
int fa[maxstate];
void Init()
{
    scanf("%d%d%d%d",&n,&m,&s,&t);
    memset(vis,0,sizeof(vis));
    memset(fa,0,sizeof(fa));
    for(int i=0;i<20;i++)G[i].clear();
    init_tree=0;//清空变量
    s--;t--;
    for(int i=0;i<m;i++)
    {
        int stone;
        scanf("%d",&stone);
        init_tree|=(1<<(stone-1));//节省空间,全部-1
    }
    init_tree|=(1<<s);
    int a,b;
    for(int i=0;i<n-1;i++)
    {
        scanf("%d%d",&a,&b);
        G[a-1].push_back(b-1);
        G[b-1].push_back(a-1);
    }
}
void print(int ans){
     if(fa[ans])print(fa[ans]);
     printf("%d %d\n",st[ans].x+1,st[ans].y+1);
}

int solve(){
     int front=0,rear=1;
     State& start=st[front];
     start.d=0;
     start.robot=s;
     start.tree=init_tree;
     start.x=start.y=0;
     fa[front]=-1;
     while(front<rear)
     {
         State& u=st[front];
         if(u.robot==t){// 得解
            printf("%d\n",u.d);
            print(front);
            return 1;
         }
         for(int i=0;i<n;i++)if(u.tree&(1<<i))//有机器人或石头
            for(int j=0;j<G[i].size();j++){
                if(u.tree&(1<<G[i][j]))continue;//有障碍
                State& v=st[rear];
                v.d=u.d+1;
                v.robot=u.robot;
                v.tree=u.tree-(1<<i)+(1<<G[i][j]);//移动
                if(i==u.robot)v.robot=G[i][j];
                if(vis[v.tree][v.robot])continue;
                vis[v.tree][v.robot]=1;
                fa[rear]=front;
                v.x=i;
                v.y=G[i][j];
                rear++;
            }
        front++;
     }
     printf("-1\n");
     return 0;
}
int main()
{
    scanf("%d",&T);
    while(T--)
    {
        Init();
        printf("Case %d: ",kase++);
        solve();
        printf("\n");
    }
    return 0;
}
### 移动机器人规划、任务分配与控制 在处理移动机器人的规划、任务分配以及控制系统时,研究通常集中在如何使机器人能够自主地执行复杂操作并适应动态环境。对于杂乱环境中抓取物体的学习机制,有研究表明通过让机器人学习推动物体来改善其抓握能力是一种有效的方法[^1]。 为了实现高效的路径规划和避障功能,现代移动机器人常常依赖于先进的感知技术,这些技术可以提供周围环境的精确模型。基于此信息,算法会计算最优行驶路线,并实时调整以避开障碍物或应对突发状况。此外,在多机器人协作场景下,有效的任务分配策略至关重要;这涉及到评估每台设备的能力及其当前状态,从而决定哪一台最适合完成特定的任务。 针对上述提到的技术需求,构建交互式Web应用程序的概念和技术同样值得借鉴,尤其是在涉及远程监控和支持方面。浏览器端设施如HTML、级联样式表(CSS)、文档对象模型(DOM),加上JavaScript框架可以帮助创建直观易用的人机界面(HMI)[^2]。服务器端则负责数据处理逻辑和服务协调工作,确保系统的稳定性和可扩展性。 ```python import rospy from geometry_msgs.msg import Twist def move_robot(velocity_publisher, speed, distance, is_forward): # Initialize variables velocity_message = Twist() if is_forward: velocity_message.linear.x = abs(speed) else: velocity_message.linear.x = -abs(speed) distance_moved = 0.0 loop_rate = rospy.Rate(10) # we publish the velocity at 10 Hz (10 times a second) while True : rospy.loginfo("Turtlesim moves forwards") velocity_publisher.publish(velocity_message) loop_rate.sleep() # Estimate distance moved based on time elapsed and speed set. t_now = rospy.Time.now().to_sec() if distance < distance_moved: rospy.loginfo("Reached") break # Stopping our robot after the movement is over. velocity_message.linear.x = 0 velocity_publisher.publish(velocity_message) if __name__ == '__main__': try: rospy.init_node('robot_cleaner', anonymous=True) cmd_vel_topic='/cmd_vel' velocity_publisher = rospy.Publisher(cmd_vel_topic, Twist, queue_size=10) move_robot(velocity_publisher, 0.5, 1.0, True) except rospy.ROSInterruptException: pass ```
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