hdu1035

#include<iostream>
#include<string>

using namespace std;

int n,m;
int step,loop;
char map[200][200];
int t[200][200];
void dfs(int x,int y,int s)
{
 if(x<0||x>=n||y<0||y>=m)
 {
  step=s-1;return ;
 }
 else if(t[x][y]!=0)
 {
  loop=s-t[x][y];
  step=t[x][y]-1;
  return ;
 }
 else switch(map[x][y])
 {
  case 'W':t[x][y]=s;dfs(x,y-1,s+1);break;
  case 'E':t[x][y]=s;dfs(x,y+1,s+1);break;
  case 'S':t[x][y]=s;dfs(x+1,y,s+1);break;
  case 'N':t[x][y]=s;dfs(x-1,y,s+1);break;
  default:break;
 }
}

int main()
{
 int start;
 while(scanf("%d%d",&n,&m)!=EOF&&(n||m))//cin>>n>>m,n&&m
 {
  scanf("%d",&start);//cin>>start;
  int i,j;
  
  for(i=0;i<n;i++)
  {getchar();
   for(j=0;j<m;j++)
   {
    //cin>>map[i][j];
    scanf("%c",&map[i][j]);
    t[i][j]=0;
   }
  }
  step=1;
  loop=0;
  dfs(0,start-1,step);
  if(loop==0)
   cout<<step<<" step(s)"<<" to exit"<<endl;
  else cout<<step<<" step(s)"<<" before a loop of "
   <<loop<<" step(s)"<<endl;
 }
 return 0;

 

}


【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
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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