uva_10010_Where's Waldorf?

本文介绍了一种在UVA编程竞赛中使用的搜索算法实现,该算法能够在指定的矩阵内寻找多个关键词的位置,并通过暴力搜索的方式确保每个关键词都能被找到。文章提供了完整的C++代码示例,展示了如何定义方向数组来遍历所有可能的方向,以及如何进行字符串比较来匹配关键词。
这里必须注意的是输出格式,uva里面好像是没有格式错误的,多一个少一个空格或者回车都返回wanganswer.
这里题意为搜索8个方位,暴力的时间复杂度还算可以。
#include <cstdio>
#include <cctype>
#include <cstring>
#include <algorithm>
using namespace std;

#define DIR             8
#define MAX_WORD        151
#define MAX_KEYWORD     121
#define INF             0x3f3f3f3f

int row, col;
int dir[][2] = {
        {1, 0}, {-1, 0}, {0, 1}, {0, -1}, 
        {1, 1}, {-1, -1}, {1, -1}, {-1, 1}
};
int ans_x[MAX_KEYWORD], ans_y[MAX_KEYWORD];
char map[MAX_WORD][MAX_WORD], key_word[MAX_KEYWORD][MAX_WORD], tmp[DIR][MAX_WORD];

void conversion(char *src)
{
        for(int i = 0; i < strlen(src); i ++) {
                if( isupper(src[i]) ) {
                        src[i] += 32;
                }
        }
}

void get_direction(const int &d, int len, const int &x, const int &y)
{
        int tx(x), ty(y), t_pos(0);
        tmp[d][t_pos ++] = map[x][y]; len --;
        while( true ) {
                tx += dir[d][0]; ty += dir[d][1];
                if( tx < 0 || ty < 0 || tx >= row || ty >= col || len <= 0 ) {
                        tmp[d][t_pos] = '\0'; return;
                }
                tmp[d][t_pos ++] = map[tx][ty]; len --;
        }
}

void get_position(const int &k_cnt)
{
        memset(ans_x, 0x3f, sizeof(ans_x)); memset(ans_y, 0x3f, sizeof(ans_y));
        for(int i = 0; i < row; i ++) {
                for(int j = 0; j < col; j ++) {
                        for(int k = 0; k < k_cnt; k ++) {
                                for(int d = 0; d < DIR && (INF == ans_x[k]); d ++) {                                
                                        get_direction(d, strlen(key_word[k]), i, j);
                                        if( !strcmp(tmp[d], key_word[k]) ) {
                                                ans_x[k] = i; ans_y[k] = j; break;
                                        }
                                }
                        }
                }
        }
}

int main(int argc, char const *argv[])
{
#ifndef ONLINE_JUDGE
        freopen("test.in", "r", stdin);
#endif
        int cas, k_cnt, ans_row, ans_col;
        scanf("%d", &cas);
        for(int cnt = 0 ; cnt < cas; cnt ++ )  {
                if( cnt ) {
                        printf("\n");
                }
                scanf("%d %d", &row, &col);
                for(int i = 0; i < row; i ++) {
                        scanf("%s", map[i]); conversion(map[i]);
                }
                scanf("%d", &k_cnt);
                for(int i = 0; i < k_cnt; i ++) {
                        scanf("%s", key_word[i]); conversion(key_word[i]);
                }
                get_position(k_cnt);
                for(int i = 0; i < k_cnt; i ++) {
                        printf("%d %d\n", ans_x[i]+1, ans_y[i]+1);
                }
        }
        return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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