2020-10-01

本文介绍了两种图遍历算法——深度优先搜索(DFS)和广度优先搜索(BFS)的实际应用案例,包括小猫爬山问题和电梯可达性的统计问题等。通过具体实例展示了如何使用DFS和BFS解决实际问题。

1.DFS

AcWing 165. 小猫爬山

挺经典的DFS;
题目

#include<bits/stdc++.h>
using namespace std;
inline long long read(){
    long long num=0;int z=1;char c=getchar();
    if(c=='-') z=-1;
    while((c<'0'||c>'9')&&c!='-') c=getchar();
    if(c=='-') z=-1,c=getchar();
    while(c>='0'&&c<='9') num=(num<<1)+(num<<3)+(c^48),c=getchar();
    return z*num;
}
int n,w,ans,a,p,q;
int c[30],cab[30];
void dfs(int now,int cnt)
{
 	if(cnt>ans)return ;
 	if(now==n+1)
 	{
 		ans=min(ans,cnt);return ;//边界
		
 	}
	for(int i=1;i<=cnt;i++)//逐一挑选车
	{
		if(cab[i]+c[now]<=w)
		{
			cab[i]+=c[now];
			dfs(now+1,cnt);
			
			cab[i]-=c[now];//注意还原
		}
	}
	cab[cnt+1]=c[now];//自辟一个
	dfs(now+1,cnt+1);
	cab[cnt+1]=0;
}

int main()
{
	n=read(),w=read();
	ans=n;
	for(int i=1;i<=n;i++)	
	{
		c[i]=read();
	}
	sort(c+1,c+n+1);reverse(c+1,c+n+1);
	dfs(1,0);

	cout<<ans;
}

164. 可达性统计

难一些

#include<bits/stdc++.h>
using namespace std;
inline long long read(){
    long long num=0;int z=1;char c=getchar();
    if(c=='-') z=-1;
    while((c<'0'||c>'9')&&c!='-') c=getchar();
    if(c=='-') z=-1,c=getchar();
    while(c>='0'&&c<='9') num=(num<<1)+(num<<3)+(c^48),c=getchar();
    return z*num;
}
const int M=30006;
int m,n,tot,k,head[M],deg[M],d[M];
queue<int>q;
bitset<M>f[M];
struct edge{
	int next,v;
}e[M];
void add(int x,int y)
{
	tot++; e[tot].v=y ;e[tot].next=head[x]; head[x]=tot;
}


void topsort()//拓扑
{
	for(int i=1;i<=n;i++)
	{
		if(!d[i])q.push(i);
	}
	while(q.size())
	{
		int x=q.front();
		q.pop();
		deg[++k]=x;
		for(int i=head[x];i;i=e[i].next)
		{
			int y=e[i].v;
			if(--d[y]==0)q.push(y);
		}
	}
}
int main()
{
	n=read(),m=read();
	for(int i=1;i<=m;i++)
	{
		int x=read(),y=read();
		add(x,y);
		d[y]++;
	}

	topsort();//确定拓扑序
	
	for(int i=n;i>=1;i--)//到这来,因为前面的要累加后面的
	{
		int j=deg[i];
		f[j][j]=1;//自己能到自己
		for(int k=head[j];k;k=e[k].next)
		{
			int y=e[k].v;
			f[j]|=f[y];//二进制压缩,将能到的点压成二进制
		}
	}
	for(int i=1;i<=n;i++)cout<<f[i].count()<<endl;//数二进制中1个数函数
}

BFS

其实差不多

奇怪的电梯

BFS主要用于规模加快很快的

#include<bits/stdc++.h>
using namespace std;
int n,a,b;
int p[300],d[300],vis[300];
void BFS()
{
	queue<int>s;
	s.push(a);
	d[a]=0;
	vis[a]=1;
	while(!s.empty())
	{
		int now=s.front();
		s.pop();
		if(now==b)
		{
			break;
		}
		if((now+p[now])<=n&&vis[now+p[now]]==0)//可向上
		{
			d[now+p[now]]=d[now]+1;
			vis[now+p[now]]=1;
			s.push(now+p[now]);	
		}
		if((now-p[now])>0&&vis[now-p[now]]==0)//可向下
		{
			d[now-p[now]]=d[now]+1;
			vis[now-p[now]]=1;
			s.push(now-p[now]);	
		}
	}
}
int main()
{
	cin>>n>>a>>b;
	for(int i=1;i<=n;i++)
	{
		cin>>p[i];
	}
	memset(d,0x3f,sizeof(d));
	BFS();
	if(d[b]==0x3f3f3f3f)//到不了
	{
		cout<<"-1";
	}
	else cout<<d[b];
	
 	return 0;
}

还有一些好题,因不符要求不是板子不再写
在这里插入图片描述

感谢你提供的列名信息,我们可以看到: - `"...1"`:可能是 Excel 中第一列无标题的自动命名(比如行号或空列),可以忽略。 - `"STATION"`:站点编号 - `"NAME"`:站点名称 - `"LATITUDE"`:纬度 - `"LONGITUDE"`:经度 - `"ELEVATION"`:海拔 - `"statement"`:可能是一个状态或注释字段 - 后续从 `"2020-01-01"` 到 `"2020-01-31"` 是每日风速数据(共31天) --- ### ✅ 目标更新: 你要做的是:**根据给定的 SHP 范围裁剪站点,保留落在该地理范围内的所有站点及其完整的逐日风速数据。** 下面是适配你实际列名的完整 R 语言代码,并处理好坐标、投影和数据结构问题。 ```r # 载所需包 library(sf) library(readxl) library(dplyr) # ------------------- 参数设置 ------------------- excel_file <- "your_wind_station_data.xlsx" # 替换为你的实际文件路径 sheet_name <- "Sheet1" # 替换为你的工作表名 shp_file <- "your_boundary.shp" # 替换为你的SHP文件路径 # ------------------- 步骤1: 读取Excel数据 ------------------- df <- read_excel(excel_file, sheet = sheet_name) # 查看列名确认 names(df) <- make.names(names(df)) # 确保列名是合法的(防止空格等问题) cat("原始列名:\n"); print(names(df)) # ------------------- 步骤2: 提取空间信息并创建sf对象 ------------------- # 使用 LATITUDE 和 LONGITUDE 创建空间点(注意:顺序是 LON, LAT) stations_sf <- st_as_sf(df, coords = c("LONGITUDE", "LATITUDE"), # 经度在前,纬度在后 crs = 4326, # WGS84 地理坐标系 dim = "XY") # ------------------- 步骤3: 读取SHP边界并确保其CRS ------------------- boundary <- st_read(shp_file) # 如果boundary不是投影坐标系(如EPSG:32649),则需要检查并转换 # 假设你知道目标投影是 UTM Zone 49N (EPSG:32649),我们统一到这个坐标系进行空间操作 if (is.na(st_crs(boundary))) { stop("SHP文件没有坐标系信息,请先定义正确的CRS!") } # 将站点数据重投影到与SHP相同的坐标系下进行空间判断 stations_projected <- st_transform(stations_sf, crs = st_crs(boundary)) # ------------------- 步骤4: 空间裁剪 —— 找出在SHP范围内的站点 ------------------- # 使用 st_intersects 或 st_within 进行空间子集提取 # 这里使用 [s,t] 语法:返回落在任意多边形内的站点 stations_clipped <- stations_projected[boundary, , op = st_intersects] # 若你想更严格地要求“完全包含”,可用 st_within,但通常 st_intersects 更通用 # ------------------- 步骤5: 转回原始经纬度并提取属性表格 ------------------- # 将结果转回WGS84以便保留原始经纬度格式输出 stations_wgs84 <- st_transform(stations_clipped, crs = 4326) # 去掉geometry列,恢复为普通data.frame,同时保留原始所有列(包括每日数据) result_df <- st_drop_geometry(stations_wgs84) # 可选:重新排序列,把时间序列放在后面 date_cols <- grep("^\\d{4}-\\d{2}-\\d{2}", names(result_df), value = TRUE) non_date_cols <- setdiff(names(result_df), date_cols) final_df <- select(result_df, c(non_date_cols, date_cols)) # 按逻辑排序 # ------------------- 步骤6: 导出结果 ------------------- write.csv(final_df, "clipped_stations_202001.csv", row.names = FALSE, na = "") cat("共保留了", nrow(final_df), "个站点在SHP范围内。\n") ``` --- ### ✅ 关键说明: | 功能 | 说明 | |------|------| | `coords = c("LONGITUDE", "LATITUDE")` | 必须是 **经度在前,纬度在后**,否则位置错误! | | `crs = 4326` | 表示输入的经纬度使用 WGS84 坐标系 | | `st_transform(...)` | 将点从地理坐标(度)转为投影坐标(米),确保与 SHP 在同一空间参考下比较 | | `st_intersects` | 判断点是否与多边形相交(即落在内部),适用于大多数情况 | | `st_drop_geometry()` | 移除空间结构,得到纯数据框用于导出 | > 💡 输出的 CSV 文件将包含原始所有列,包括 `STATION`, `NAME`, `LATITUDE`, `LONGITUDE`, `ELEVATION`, `statement` 和所有日期列(如 `2020-01-01` 等),仅保留位于 SHP 范围内的站点。 --- ### ✅ 示例输出片段(final_df 头几行): ``` ...1 STATION NAME LATITUDE LONGITUDE ELEVATION statement 2020-01-01 2020-01-02 ... 1 1 101 Beijing 39.90 116.4 50.0 good 3.2 4.1 2 2 102 Tianjin 39.08 117.2 10.0 good 5.0 3.8 ... ``` --- ###
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