HDU 2612 Find a way

本文介绍了一种使用双起点BFS寻路算法解决寻找最佳会面地点的问题。通过分别从两个起点进行广度优先搜索,记录到达每个点的距离,并在遍历结束后选取距离之和最小的KFC作为会面地点。

题意:Y和M两个人要在KCF约约约,找一个家离两个人都比较近的KFC,输出两个人所用的时间之和(每格11分钟)。输入2个整数代表输入地图的行列数。接下来输入地图。Y、M分别代表Y、M的起始位置。'.'是路,'#'是墙,'@'表示KFC的位置。

其实我们要做的就是对两个人分别进行两次BFS,记录步数,最后输出的时候再x11就ok啦。因为会有多个KFC,所以定了两个二维数组dis1、dis2,分别代表Y和M到达地图的某个位置上时的步数。需要注意的是除了'#'的位置不能走,其它的位置都是可以通过的,也就是说KFC也可以当成路来走,判断某点是否可行的时候需要注意~

Find a way

Time Limit: 3000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 6254    Accepted Submission(s): 2084


Problem Description
Pass a year learning in Hangzhou, yifenfei arrival hometown Ningbo at finally. Leave Ningbo one year, yifenfei have many people to meet. Especially a good friend Merceki.
Yifenfei’s home is at the countryside, but Merceki’s home is in the center of city. So yifenfei made arrangements with Merceki to meet at a KFC. There are many KFC in Ningbo, they want to choose one that let the total time to it be most smallest. 
Now give you a Ningbo map, Both yifenfei and Merceki can move up, down ,left, right to the adjacent road by cost 11 minutes.
 

Input
The input contains multiple test cases.
Each test case include, first two integers n, m. (2<=n,m<=200). 
Next n lines, each line included m character.
‘Y’ express yifenfei initial position.
‘M’    express Merceki initial position.
‘#’ forbid road;
‘.’ Road.
‘@’ KCF
 

Output
For each test case output the minimum total time that both yifenfei and Merceki to arrival one of KFC.You may sure there is always have a KFC that can let them meet.
 

Sample Input
  
4 4 Y.#@ .... .#.. @..M 4 4 Y.#@ .... .#.. @#.M 5 5 Y..@. .#... .#... @..M. #...#
 

Sample Output
  
66 88 66

题目链接:HDU_2612 Find a way

下面附上AC代码:

#include <iostream>
#include <queue>
#include <cstring>
#include <cstdio>
using namespace std;
#define N 205
int n,m,dis1[N][N],dis2[N][N],vis[N][N];  //dis1、dis2分别记录Y、M到达某点的步数
int to[4][2]={{1,0},{-1,0},{0,1},{0,-1}};
char maze[N][N];

struct node{
    int x;
    int y;
};

int judge(int x,int y)
{
    if(x>=0 &&x<n && y>=0 && y<m && maze[x][y]!='#' && vis[x][y]==0) //判断某点是否可行
        return 1;
    else
        return 0;
}

void bfs(int flag,int x,int y)
{
    int f=0,r=0,t1,t2;
    node cur,temp;
    queue<node>Q;
    cur.x=x;
    cur.y=y;
    Q.push(cur);
    if(flag==1)   //flag1对应Y的BFS
    {
        while(!Q.empty())
        {
          cur=Q.front();
          Q.pop();
          for(int i=0;i<4;i++)
          {
              t1=cur.x+to[i][0];
              t2=cur.y+to[i][1];
              if(judge(t1,t2))
              {
                 vis[t1][t2]=-1;
                 temp.x=t1;
                 temp.y=t2;
                 Q.push(temp);
                 dis1[t1][t2]=dis1[cur.x][cur.y]+1;
              }
          }
        }
    }
    else   //flag2对应M的BFS,区别在于dis1、dis2上。定成3维数组把两个合到一起也可以
    {
        while(!Q.empty())
        {
          cur=Q.front();
          Q.pop();
          for(int i=0;i<4;i++)
          {
              t1=cur.x+to[i][0];t2=cur.y+to[i][1];
              if(judge(t1,t2))
              {
                 vis[t1][t2]=-1;
                 temp.x=t1;
                 temp.y=t2;
                 Q.push(temp);
                 dis2[t1][t2]=dis2[cur.x][cur.y]+1;
              }
          }
        }
    }
}

int main()
{
    int i,j,x1,y1,x2,y2,a[40005][2],num,flag,minn;
    while(scanf("%d%d",&n,&m)!=EOF)
    {
        getchar();
        num=0;minn=100000000;
        for(i=0;i<n;i++)
            scanf("%s",maze[i]);
        for(i=0;i<n;i++)
        {
            for(j=0;j<m;j++)
            {
                dis1[i][j]=0;  //初始化
                dis2[i][j]=0;
                vis[i][j]=0;
                if(maze[i][j]=='Y') //x1y1记录Y位置
                {
                  x1=i;
                  y1=j;
                }
                else if(maze[i][j]=='M')  //x2y2记录M位置
                {
                  x2=i;
                  y2=j;
                }
                else if(maze[i][j]=='@') //a数组记录KCF位置
                {
                  a[num][0]=i;
                  a[num][1]=j;
                  num++;
                }
            }
        }
        /*对Y和M进行BFS*/
        flag=1;
        vis[x1][y1]=-1;
        bfs(flag,x1,y1);
        memset(vis,0,sizeof(vis)); //对Y进行BFS后,把vis复原
        flag=2;
        vis[x2][y2]=-1;
        bfs(flag,x2,y2);

        for(i=0;i<num;i++)
        {
            if(dis1[a[i][0]][a[i][1]]!=0&&dis2[a[i][0]][a[i][1]]!=0) //如果KCF所在位置步数不为0,即两人都能到达该位置
            {
                if(minn>(dis1[a[i][0]][a[i][1]]+dis2[a[i][0]][a[i][1]]))
                   minn=dis1[a[i][0]][a[i][1]]+dis2[a[i][0]][a[i][1]];
            }
        }
        printf("%d\n",minn*11);
    }
    return 0;
}


内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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