[UVA439]Knight Moves(BFS)

本文介绍了一种使用广度优先搜索(BFS)算法解决骑士走棋问题的经典方法。通过定义节点结构、移动方向和边界检查等关键部分,实现了一个简洁高效的C++程序来找出骑士从起点到终点所需的最少步数。

这是一道经典的BFS,比较简单~

#include <queue>
#include <iostream>
#include <cstdio>
#include <cstring>

using namespace std;

const int maxn = 20;

int vis[maxn][maxn];  
int dir[][2] = {{2, 1}, {2, -1}, {1, -2}, {-1, -2}, {-2, -1}, {-2, 1}, {-1, 2}, {1, 2}};

struct Node {
    int x;
    int y;
    int step;
    Node(int tx, int ty, int tstep) {
        x = tx;
        y = ty;
        step = tstep;
    }
};

Node walk(const Node & n, int i) {
    return Node(n.x + dir[i][0], n.y + dir[i][1], n.step + 1);    
}

Node ToNode(char* p) { 
    return Node(p[0] - 'a' + 1, p[1] - '0', 0);
}

bool inside(Node t) {
    return (t.x <= 8 && t.x >= 1 && t.y <= 8 && t.y >= 1);
}

int main() {
    //freopen("input.txt", "r", stdin);
    char b[3], e[3];
    while(scanf("%s%s", b, e) != -1) {
        memset(vis, 0, sizeof(vis));
        Node start = ToNode(b);
        Node en = ToNode(e);
        queue<Node> qu;
        qu.push(start);
        while(!qu.empty()) {
            Node v = qu.front();
            if (v.x == en.x && v.y == en.y) {
                printf("To get from %s to %s takes %d knight moves.\n", b, e, v.step);
                break;
            }
            qu.pop();
            vis[v.x][v.y] = 1;
            for(int i = 0; i < 8; i++) {
                Node n = walk(v, i);
                if (!inside(n))  continue;
                if (!vis[n.x][n.y]) {
                    qu.push(n);
                }
            }
        }
    }
    return 0;
}
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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