牛客练习赛31

边界DFS算法详解
本文介绍了一种使用深度优先搜索(DFS)算法解决二维网格中特定问题的方法。通过从边界点开始搜索并标记所有可达边界的位置,算法能够有效地计算出无法直接连接到边界的封闭区域数量。文章提供了详细的代码实现,包括输入矩阵的读取、边界点的DFS遍历以及最终结果的计算。

题意
在这里插入图片描述

题解:

从边界点dfs,搜索所有能到达边界的点,标记为’@’,不是’@'的点的数量就是答案。

#include <bits/stdc++.h>
using namespace std;
const int mx=1e6;
int n,m;
vector <char> mp[mx];
int dx[4]={1,0,-1,0};
int dy[4]={0,1,0,-1};
bool judge(int x,int y){
    if(x<0 || x>n-1 || y<0 || y>m-1)return false;
    return true;
}
void dfs(int x,int y){
    mp[x][y]='@';
    for(int i=0;i<4;i++){
        int nx =x+dx[i];
        int ny =y+dy[i];
        if (!judge(nx,ny))continue;
        if (mp[nx][ny]=='#' || mp[nx][ny]=='@')continue;
        dfs (nx,ny);
    }
}
int main(){
    cin >>n>>m; char c;
    for (int i=0;i<n;i++){
        getchar();
        for(int j=0;j<m;j++){
            scanf("%c",&c); mp[i].push_back(c);
        }
    }
    for(int i=0;i<n;i++){
        for (int j=0;j<m;j++){
            if(i==0||i==n-1){
                if(mp[i][j]=='.')dfs(i,j);
            }
            if(j==0 || j==m-1){
                if(mp[i][j]=='.')dfs(i,j);
            }
        }
    }
    int ans = 0;
    for(int i=0;i<n;++i){
        for (int j=0;j<m;j++){
            //printf("%c",mp[i][j]);
            if (mp[i][j]!='@'){
                ans++;
            }
        }
        //printf("\n");
    }
    printf("%d\n",ans);
    return 0;
}
/*
5 5
..##.
#.#..
..#.#
#..#.
....#
*/

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
练习赛142是一场编程竞赛,通常包含多个算法题目,涵盖如数组、字符串、链表、动态规划等常见数据结构与算法知识点。针对这类比赛的解题思路和方法,可以从以下几个方面进行分析: ### 题目类型与解题策略 1. **数组相关问题** - 常见的题目包括查找数组中出现次数超过一半的数字、寻找缺失的数字、求解最大子数组和等。 - 解题方法包括使用哈希表统计频率、摩尔投票法(适用于多数元素问题)、双指针技巧或前缀和优化。 2. **链表操作** - 链表题目可能涉及反转链表、判断链表是否有环、找出两个链表的相交节点等。 - 例如,在找两个链表相交点的问题中,可以先计算各自长度,然后让长链表先走差值步数,再同步遍历比较节点地址[^3]。 3. **字符串处理** - 包括最长回文子串、无重复字符的最长子串等。 - 可采用滑动窗口、动态规划或中心扩展法等策略。 4. **树与图** - 树相关的题目可能涉及二叉树的遍历、路径和、最近公共祖先等问题。 - 图论问题可能需要使用深度优先搜索(DFS)、广度优先搜索(BFS)或拓扑排序等算法。 5. **动态规划** - 动态规划常用于解决背包问题、最长递增子序列、编辑距离等。 - 关键在于定义状态转移方程,并通过迭代或记忆化搜索进行求解。 6. **贪心算法** - 适用于区间调度、活动选择、硬币找零等问题。 - 贪心策略的核心在于每一步都做出局部最优选择。 ### 示例代码:摩尔投票法解决“多数元素”问题 ```python def majorityElement(nums): count = 0 candidate = None for num in nums: if count == 0: candidate = num count += (1 if num == candidate else -1) return candidate ``` 该算法时间复杂度为 O(n),空间复杂度为 O(1),非常适合处理大规模输入的数据集[^2]。 ### 提升解题能力的建议 - **刷题积累经验**:在 LeetCode、Codeforces、AtCoder 等平台上持续练习,熟悉各种题型。 - **学习经典算法**:掌握常见的算法模板,如二分查找、归并排序、快速选择等。 - **阅读官方题解与讨论区**:了解不同解法的优劣,尤其是最优解的时间复杂度分析。 - **模拟比赛训练**:定期参加在线编程比赛,提升实战能力和代码调试速度。 ---
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