poj1321--DFS

第一次做深搜题,参考了别人的代码,感觉不是很理解。

不过见到中文题了,好亲切~

先理解理解,再自己做道深搜题,嗯嗯,就这么办~

#include <stdio.h> #include <string.h> #define MAXN 8 + 10 char chessboard[MAXN][MAXN]; int visitedCol[MAXN]; void DFS(int size, int piece, int arg); int count; int main() { #ifdef LOCAL freopen("C:\\Users\\Administrator\\Desktop\\Temp\\ACMTempIn.txt", "r", stdin); //freopen("C:\\Users\\Administrator\\Desktop\\Temp\\ACMTempOut.txt", "w", stdout); #endif int size, piece; int i, j; while(scanf("%d%d", &size, &piece) != EOF && size != -1 && piece != -1) { // 初始化数据 count = 0; memset(chessboard, 0, sizeof(chessboard)); memset(visitedCol, -1, sizeof(visitedCol)); // 输入棋盘 for(i = 0; i < size; i++) { for(j = 0; j < size; j++) { scanf("\n%c", &chessboard[i][j]); } } // 算法主体 DFS(size, piece, 0); // 数据输出 printf("%d\n", count); } return 0; } void DFS(int size, int piece, int arg) { if(piece == 0) { count++; return; } if(size - piece < arg) return; for(int i = 0; i < size; i++) { if(chessboard[i][arg] == '#' && visitedCol[i] == -1) { visitedCol[i] = arg; DFS(size, piece - 1, arg + 1); visitedCol[i] = -1; } } DFS(size, piece, arg + 1); }


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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