bfs-poj-Bloxorz I

本文介绍了一种使用广度优先搜索(BFS)算法解决迷宫中机器人从初始位置到目标位置的问题。考虑到机器人的三种状态(站立、横向、纵向),通过多步决策找到最短路径。文章展示了具体的C++实现代码,包括状态转移、地图读取和边界检查等功能。

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

存在的问题:用string 显示 runtime error 还有就是效率超低,1890ms险过,还是不够

#include <iostream>
#include <cstdio>
#include <queue>
#include <algorithm>
#include <string>
#include <cstring>
using namespace std;
int n,m;
struct node{
    int x,y,state;
    int step;
};
char mmap[505][505];
int used[505][505][10];
node en;
int dir[6][6][6]={  {{0,-2,1},{0,1,1},{1,0,2},{-2,0,2}},  {{0,2,-1},{0,-1,-1},{-1,0,0},{1,0,0}},    {{0,-1,0},{0,1,0},{-1,0,-2},{2,0,-2}}   };
bool can(int x,int y,int state){
    if(state==0)
        return x>=0&&x<n&&y>=0&&y<m&&mmap[x][y]!='#'&&mmap[x][y]!='E';
    else if(state==1)
        return x>=0&&x<n&&y>=0&&y+1<m&&mmap[x][y]!='#'&&mmap[x][y+1]!='#';
    else
        return x>=0&&x+1<n&&y>=0&&y<m&&mmap[x][y]!='#'&&mmap[x+1][y]!='#';
}
int bfs(int x,int y,int state,int step)
{
    queue<node> que;
    node p,now,next;
    p.x=x,p.y=y,p.state=state,p.step=step;
    que.push(p);
    while(!que.empty()){
        now=que.front();
        que.pop();
        if(now.x==en.x && now.y==en.y && now.state==0){
            return now.step;
        }
        for(int i=0;i<4;i++){
            int dx=now.x+dir[now.state][i][0];
            int dy=now.y+dir[now.state][i][1];
            int dstate=now.state+dir[now.state][i][2];
            if(can(dx,dy,dstate) && !used[dx][dy][dstate]){
                next.x=dx,next.y=dy,next.state=dstate,next.step=now.step+1;
                que.push(next);
                used[dx][dy][dstate]=1;
            }
        }
    }
    return -1;
}
int main()
{
    node start,may[4];
    while(scanf("%d%d",&n,&m) &&  (n!=0 && m!=0)){
        int counter=0;
        memset(used,0,sizeof(used));
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                    scanf(" %c",&mmap[i][j]);
                    if(mmap[i][j]=='X')may[counter].x=i,may[counter++].y=j;
                    if(mmap[i][j]=='O')en.x=i,en.y=j,en.state=0,en.step=0;
            }
        }
        if(counter==1) start.x=may[0].x,start.y=may[0].y,start.step=0,start.state=0;
        else{
            if(may[0].y==may[1].y) start.x=may[0].x,start.y=may[0].y,start.step=0,start.state=2;
            else start.x=may[0].x,start.y=may[0].y,start.step=0,start.state=1;
        }
        used[start.x][start.y][start.state]=1;
        int ans=bfs(start.x,start.y,start.state,start.step);
        if(ans==-1){
            printf("Impossible\n");
        }
        else printf("%d\n",ans);
    }
    return 0;
}


内容概要:本文详细分析了全球及中国财富管理市场的发展现状与未来趋势。全球财富管理市场起源于欧洲、发展于美国,美国财富管理市场经过百年发展,形成了以商业银行、综合财富管理平台和投资服务平台为代表的三类财富管理体系。中国财富管理市场正处于快速发展期,居民财富快速增长并向金融资产倾斜,资管新规引导市场健康发展。文中还探讨了中国财富管理市场的竞争格局,包括私人银行、银行理财、公募基金、券商资管、信托、第三方财富管理机构和互联网财富管理平台的发展情况。此外,公募基金投顾试点成为财富管理市场转型的重要探索,买方投顾模式逐步取代卖方投顾模式,AI赋能投顾业务,为行业发展带来新机遇。 适合人群:对财富管理行业感兴趣的投资者、金融从业者及研究机构。 使用场景及目标:①了解全球及中国财富管理市场的发展历程与现状;②掌握中国财富管理市场竞争格局及各机构的发展特点;③探索公募基金投顾试点对财富管理市场的转型意义及AI赋能投顾业务的应用前景。 阅读建议:本文内容详实,涵盖了财富管理市场的多个方面,建议读者重点关注中国财富管理市场的现状与发展趋势,特别是私人银行、银行理财、公募基金、券商资管等机构的具体发展情况,以及公募基金投顾试点和AI赋能投顾业务的创新模式。
6.0版更新说明: 1.根据2024年鉴整理,数据更新至2023年 2.新增指标,当前214个指标 5.0版更新说明: 数据更新至2022年 4.2版更新说明: 1.更新2021年部分指标数据 4.0版更新说明: 1.数据更新至2021年 2.调整部分旧指标 3.新增指标,当前190个指标 3.0版更新说明: 1.数据更新至2020年 2.调整部分指标,当前174个指标 2.4版更新说明: 1.更新部分缺失值 2.将数据转为平衡面板 3.填补升级。内含原始版本、线性插值、ARIMA填补三个版本数据 一、数据介绍 数据名称:中国城市数据库 数据来源:中国城市统计年鉴1991-2024年、地方统计局 数据年份:1990-2023年 数据范围:300个地级市(包括直辖市) 样本数量:平衡面板10200条(300*34=10200) 更新时间:2025年2月,当前最新6.0版 二、整理方法 第一,识别年鉴。利用NLP算法识别《中国城市统计年鉴》,并转为面板数据 第二,完善数据。对比主流数据库、地方统计局,进一步完善城市数据 第三,统一地区。匹配民政部编码,统一使用2019年编码和地区名称 第四,统一单位。对不同单位的情况,进行单位换算 第五,人工验证。得到所有指标的面板数据,并人工抽样验证 第六,平衡面板。将非平衡面板转为平衡面板数据 第七,线性插值。利用线性趋势对中间缺失进行填充,得到线性插值版 第八,ARIMA填补。利用时间趋势,对剩余缺失进行预测,得到ARIMA填补版 最终,保留原始版本、线性插值版、ARIMA填补版
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