雄伟的城堡

本文介绍了一种使用广度优先搜索算法解决寻找群岛中最大岛屿面积问题的方法。通过修改之前的深度优先搜索代码,实现了对给定地图上最大连续陆地面积的计算。文章提供了完整的C++代码实现,并解释了如何判断和遍历相邻陆地以计算总面积。

题目描述
在一个群岛上,有一个富可敌国的大富翁。他打算在这个群岛上建造一个最大城堡,也就是群岛上最大的岛屿。

输入
第一行是一个整数T,代表测试数据的组数。每组数据中第一行是两个整数n,m,代表地图的大小。接下来n行每行共m个整数。0代表海洋,1代表陆地。其中T<=50,n,m<=200

输出
共T行,最大的面积。

样例输入

1
5 5
0 1 1 0 0
1 1 0 0 0
0 0 1 1 0
0 1 1 1 1 
0 0 1 1 0

样例输出

8

上一篇博客写了深度优先搜索求区域的块数,这篇代码就拿上一篇博客的代码稍微改了一下,求区域的最大面积。

#include<bits/stdc++.h>
using namespace std;
int n,m;
const int maxn=1000;
int a[maxn][maxn];
int inq[maxn][maxn];
int X[4]={0,0,1,-1};
int Y[4]={1,-1,0,0};
struct node{
    int x;
    int y;
}Node;
bool judge(int x,int y){
    if(x<0||x>=n||y<0||y>=m)return false;
    if(inq[x][y]==1||a[x][y]==0)return false;
    return true;
}
int bfs(int x,int y){
    int area=0;
    queue<node>s;
    Node.x=x,Node.y=y;
    s.push(Node);
    inq[x][y]=true;
    while(s.empty()!=1){
        node t=s.front();
        s.pop();
        area++;
        for(int i=0;i<4;i++){
            int newx=t.x+X[i];
            int newy=t.y+Y[i];
            if(judge(newx,newy)){
                Node.x=newx,Node.y=newy;
                s.push(Node);
                inq[newx][newy]=true;
            }
        }
    }
    return area;//返回区域的面积
}
int main(){
	ios::sync_with_stdio(false);
    cin.tie(0);
    cout.tie(0);
    int T;
    cin>>T;
    while(T--){
        cin>>n>>m;
        int sum=0;
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                cin>>a[i][j];
                inq[i][j]=false;
            }
        }
        for(int i=0;i<n;i++){
            for(int j=0;j<m;j++){
                if(a[i][j]==1&&inq[i][j]==0){
                    sum=max(sum,bfs(i,j));
                }
            }
        }
        cout<<sum<<endl;
    }
	
	return 0;
}

题目来源:2018年安徽省省赛

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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