poj1573模拟加bfs

本文介绍了一种使用广度优先搜索(BFS)算法解决迷宫寻路问题的方法。通过给定的迷宫地图和起点,算法能够找到通往出口的路径或检测到循环路径。文章还提供了详细的C++实现代码。

题目大意:就是给定一个方格,给你一个起点,在第一排,有W,S,E,N四个字符,w表示向左走,e表示向右走,s表示向下走,n表示向上走。这个题目刚读完就想到bfs搜素,很明显这题相对其他的搜索提来说更简单一些,因为每一步的下一步都是确定的,不像以前的题目下一步要选择,所以理解起来也简单,那么题目的关键点就是如何判断是否能走出,还有如果不能走出,那么又该如何表示loop的数量,那么这里很自然想到了deep偏移量,用mark标记,当遇到相同标记时就返回,这也是解决这道题的关键,那么下面给出代码:

#include <iostream>
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
using namespace std;
#define Max 11
#define maxn 100000
char p[Max][Max];
bool mark[Max][Max];
struct Por
{
	int x;
	int y;
	int deep;
}node[Max*Max];
int N,S,E,index;
void BFS();
int main()
{
	while(scanf("%d%d%d",&N,&S,&E),N)
	{
		getchar();
		int i,j;
		memset(mark,0,sizeof(mark));
		for(i=1;i<=N;i++)
		{
			for(j=1;j<=S;j++)
			p[i][j]=getchar();
			getchar();
		}
		/*for(i=1;i<=N;i++)
		{
			for(j=1;j<=S;j++)
				cout << p[i][j];
			cout << endl;
		}*/
		BFS();
	}
	return 0;
}
void BFS()
{
	int now=0,head=0;
    mark[1][E]=true;
    node[now].x=1;
    node[now].y=E;
    node[now++].deep=0;
	while(head<now)
	{
		Por q=node[head++];
		//cout << q.x << " " << q.y << endl;
		if(q.x<1 || q.x>N || q.y<1 || q.y>S)
		{
			//if(q.deep==1)
		  //printf("%d step to exit\n",q.deep);
			//else
		  printf("%d step(s) to exit\n",q.deep);
		  return;
		}
		if(head>1 && mark[q.x][q.y])
		{
		  for(int i=0;i<head-1;i++)
			  if(node[i].x==q.x && node[i].y==q.y)
			  {
			    // if(node[i].deep==1)
					// printf("%d step before a loop of %d step(s)\n",node[i].deep,q.deep-node[i].deep);
				 //else
					 printf("%d step(s) before a loop of %d step(s)\n",node[i].deep,q.deep-node[i].deep);
				 return ;
			  }
		}
		if(p[q.x][q.y]=='W')
		{
			mark[q.x][q.y]=true;
			node[now].x=q.x;
			node[now].y=q.y-1;
			node[now++].deep=q.deep+1;
		}
		else if(p[q.x][q.y]=='E')
		{   
			mark[q.x][q.y]=true;
			node[now].x=q.x;
			node[now].y=q.y+1;
			node[now++].deep=q.deep+1;
		}
		else if(p[q.x][q.y]=='S')
		{
			mark[q.x][q.y]=true;
			node[now].x=q.x+1;
			node[now].y=q.y;
			node[now++].deep=q.deep+1;
		}
		else
		{
			mark[q.x][q.y]=true;
			node[now].x=q.x-1;
			node[now].y=q.y;
			node[now++].deep=q.deep+1;
		}
	}
}
			


			
		
		  
	
	


有点模拟的味道,不过难度不高。。。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,减运算进行局部开发,通过数学优化器速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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