黄金矿工 回溯法

黄金矿工

你要开发一座金矿,地质勘测学家已经探明了这座金矿中的资源分布,并用大小为 m * n 的网格 grid 进行了标注。每个单元格中的整数就表示这一单元格中的黄金数量;如果该单元格是空的,那么就是 0。

为了使收益最大化,矿工需要按以下规则来开采黄金:

每当矿工进入一个单元,就会收集该单元格中的所有黄金。
矿工每次可以从当前位置向上下左右四个方向走。
每个单元格只能被开采(进入)一次。
不得开采(进入)黄金数目为 0 的单元格。
矿工可以从网格中 任意一个 有黄金的单元格出发或者是停止。
在这里插入图片描述
回溯法+dfs

class Solution:
    def getMaximumGold(self, grid: List[List[int]]) -> int:
        def dfs(i,j):   #深度优先搜索
            if i<0 or j<0 or i>=m or j>=n or grid[i][j]==0: #超出矩阵范围或已被访问或本来就不能访问
                return 0
            temp=grid[i][j]
            grid[i][j]=0  #作为本轮起点已被访问
            res=0
            for ii, jj in ((i-1, j), (i+1, j), (i, j-1), (i, j+1)):
                res = max(res,dfs(ii,jj))   #找到四个方向的最大值
            grid[i][j]=temp    #恢复
            return res+grid[i][j]  #返回四个方向的最大值加上本轮起点

        m,n=len(grid),len(grid[0])
        num_max = 0
        for i in range(m):
            for j in range(n):
                if grid[i][j]!=0:  #遍历每一个不为0的数作为起点
                    # visited=[[0]*n for _ in range(m)]  #也可以另外设置矩阵记录每轮已被访问的位置
                    num_max = max(num_max,dfs(i,j))
        return num_max
                    

另外设置visited矩阵的写法

class Solution:
    def getMaximumGold(self, grid: List[List[int]]) -> int:
        def dfs(i,j):   #深度优先搜索
            if i<0 or j<0 or i>=m or j>=n or grid[i][j]==0 or visited[i][j]==0: #超出矩阵范围或已被访问或本来就不能访问
                return 0
            # temp=grid[i][j]
            # grid[i][j]=0  #作为本轮起点已被访问
            visited[i][j]=0
            res=0
            for ii, jj in ((i-1, j), (i+1, j), (i, j-1), (i, j+1)):
                res = max(res,dfs(ii,jj))   #找到四个方向的最大值
            # grid[i][j]=temp    #恢复
            visited[i][j]=1
            return res+grid[i][j]  #返回四个方向的最大值加上本轮起点

        m,n=len(grid),len(grid[0])
        num_max = 0
        visited=[[1]*n for _ in range(m)]  #也可以另外设置矩阵记录每轮已被访问的位置
        for i in range(m):
            for j in range(n):
                if grid[i][j]!=0:  #遍历每一个不为0的数作为起点
                    num_max = max(num_max,dfs(i,j))
        return num_max
分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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