DFS_2:迷宫问题

DFS_2:迷宫问题

1.是否可达
2.可达路径的条数

问题分析

其实迷宫问题用DFS和BFS都可以,关键是要分清楚DFS和BFS的区别在哪里,BFS是按照队列的方式进行每一层的压入和弹出的,所以BFS能找到最短的路径,却无法得到路径的条数,因为找到终点条件成立的时候就已经结束BFS了。但是DFS不一样,DFS利用递归来暴力搜索,所以当找到一个终点的时候只是结束了当前这个点的递归,返回到上一层寻找另外方向的搜索,所以DFS不仅能判断是否可达,还能清楚得记录出路的条数。

代码块

import java.util.Scanner;
public class DFS_2 {
    static int N = 20;
    static int n,m ;
    static int sX,sY,eX,eY;
    static int[][] vis = new int[N][N];
    static int[][] map = new int[N][N];
    static int[] xx = {0,0,-1,1};
    static int[] yy = {-1,1,0,0};
    static int ans = 0;
    public static void main(String[] args) {
        Scanner scanner = new Scanner(System.in);
        //读入起点终点
        n = scanner.nextInt();m = scanner.nextInt();
        sX = scanner.nextInt();sY = scanner.nextInt();
        eX = scanner.nextInt();eY = scanner.nextInt();
        //绘制map
        for (int i = 1; i <= n; i++) {
            for (int j = 1; j <= m ; j++) {
                map[i][j] = scanner.nextInt();
            }
        }
        dfs(sX,sY);
        System.out.println(ans);
    }

    private static void dfs(int x, int y) {
        //边界条件
        if(x == eX && y == eY){
            ans++;//此处来到终点则可以记录条数
            return;
        }
        //将当前的点设置为
        //枚举可达情况:遍历四个方向
        for (int i = 0; i < 4 ; i++) {
            //下一个点的坐标
            int dx = x + xx[i];
            int dy = y + yy[i];
            if(dx>=1&&dx<=n&&dy>=1&&dy<=m&&vis[dx][dy]==0&&map[dx][dy]==0){
                //若下一个点可达,则将前一个点vis设置为1
                vis[x][y] = 1;
                //递归下一个点
                dfs(dx,dy);
                //若是寻找总条数,需要回溯,将上一点vis置为0
                //在任意一个返回点寻找下一条路径
                vis[x][y] = 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
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