UVALive-7220 Dungeon Trap【最短路Bfs+思维枚举】好题~

本文探讨了一种在地图上放置障碍以阻止两点间通行的问题,旨在最大化放置障碍的价值总和。通过两次广度优先搜索确定所有可能放置位置的价值,并采用枚举方法找到最优解。

题目大意:

给你一个N*M的地图,其中A是起点B是终点,0表示障碍,其他数字表示走到这个点的花费,我们现在要将没有障碍的地方逐渐放置障碍,直到A不能走到B为止,我们放置障碍得到的价值就是那个点的权值,我们希望这个权值和尽可能的大,问这个最大值。


思路:

记录sum表示所有点都能放置障碍的权值。

一开始写的是找A-->B的最短路shrot,然后记录这条路上的最大权值maxn,那么ans=sum-shrot+maxn.

然后找到一组错误数据:

1

4 4

A142
3790
2B55
1235 
我的做法的结果是47.正解是48.

然后更改思路:


枚举一个点作为最后一个放置障碍的点,假设这个点放置完障碍之后使得A走不到B.

那么ans=max(ans,sum-(从A到这个点的距离+从B到这个点的距离-2*这个点的权值));

那么在一开始的时候跑两遍最短路再枚举即可。


Ac代码:

#include<stdio.h>
#include<string.h>
#include<queue>
using namespace std;
struct node
{
    int x,y,len;
}now,nex;
int n,m;
int kase;
int dis[150][150];
int dis2[150][150];
char a[150][150];
int fx[4]={0,0,1,-1};
int fy[4]={1,-1,0,0};
void Bfs(int sx,int sy)
{
    for(int i=0;i<n;i++)
    {
        for(int j=0;j<m;j++)
        {
            dis[i][j]=0x3f3f3f3f;
        }
    }
    queue<node >s;
    dis[sx][sy]=0;
    now.x=sx;
    now.y=sy;
    now.len=0;
    s.push(now);
    while(!s.empty())
    {
        now=s.front();
        s.pop();
        for(int i=0;i<4;i++)
        {
            nex.x=now.x+fx[i];
            nex.y=now.y+fy[i];
            nex.len=now.len;
            if(nex.x>=0&&nex.x<n&&nex.y>=0&&nex.y<m&&a[nex.x][nex.y]!='0')
            {
                if(a[nex.x][nex.y]!='B')nex.len+=a[nex.x][nex.y]-'0';
                if(dis[nex.x][nex.y]>nex.len)
                {
                    dis[nex.x][nex.y]=nex.len;
                    s.push(nex);
                }
            }
        }
    }
}
void Bfs2(int sx,int sy)
{
    for(int i=0;i<n;i++)
    {
        for(int j=0;j<m;j++)
        {
            dis2[i][j]=0x3f3f3f3f;
        }
    }
    queue<node >s;
    dis2[sx][sy]=0;
    now.x=sx;
    now.y=sy;
    now.len=0;
    s.push(now);
    while(!s.empty())
    {
        now=s.front();
        s.pop();
        for(int i=0;i<4;i++)
        {
            nex.x=now.x+fx[i];
            nex.y=now.y+fy[i];
            nex.len=now.len;
            if(nex.x>=0&&nex.x<n&&nex.y>=0&&nex.y<m&&a[nex.x][nex.y]!='0')
            {
                if(a[nex.x][nex.y]!='B')nex.len+=a[nex.x][nex.y]-'0';
                if(dis2[nex.x][nex.y]>nex.len)
                {
                    dis2[nex.x][nex.y]=nex.len;
                    s.push(nex);
                }
            }
        }
    }
}
int main()
{
    int t;
    kase=0;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d%d",&n,&m);
        int sx,sy,ex,ey;
        for(int i=0;i<n;i++)
        {
            scanf("%s",a[i]);
            for(int j=0;j<m;j++)
            {
                if(a[i][j]=='A')
                {
                    sx=i;
                    sy=j;
                }
                if(a[i][j]=='B')
                {
                    ex=i;
                    ey=j;
                }
            }
        }
        Bfs(sx,sy);
        Bfs2(ex,ey);
        int sum=0;
        for(int i=0;i<n;i++)
        {
            for(int j=0;j<m;j++)
            {
                if(a[i][j]>='0'&&a[i][j]<='9')sum+=a[i][j]-'0';
            }
        }
        int output=0;
        for(int i=0;i<n;i++)
        {
            for(int j=0;j<m;j++)
            {
                if(a[i][j]!='0'&&a[i][j]!='B'&&a[i][j]!='A')
                {
                    output=max(output,sum-(dis[i][j]+dis2[i][j]-2*(a[i][j]-'0')));
                }
            }
        }
        if(dis[ex][ey]==0x3f3f3f3f)printf("Case #%d: 0\n",++kase);
        else printf("Case #%d: %d\n",++kase,output);
    }
}







先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决佳化的搜索算法,是进化算法的一种。 进化算法初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问决定。 举一个平方和的例子。 简单的平方和问 求函数的小值,其中每个变量的取值区间都是 [-1, ...
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