BFS-修改范例-重点访问

本文介绍了一种基于宽度优先搜索(BFS)算法的应用实例——在一个特定的地图中寻找从起点到终点的路径。地图中包括墙壁、道路、起点、终点及补给点等元素。文章通过C++代码详细展示了如何实现这一算法,特别关注了节点状态管理和路径选择策略。
/*
BFS:重复访问类
关键:对每个点的访问与否取决于到达该点的条件的优劣
(本题关键在于访问该点是能量的多少,比原先多的即可走)
*/



#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <limits.h>
#include <malloc.h>
#include <ctype.h>
#include <math.h>
#include <string>
#include <iostream>
#include <algorithm>
using namespace std;
#include<queue>
const int INF = 999999;
struct node
{
    int x,y,dead; 
       int step;
};
queue<node> q;
int n,m,time;

int mp[10][10];
int vis[10][10];

int xx[4]={1,-1,0,0};
int yy[4]={0,0,1,-1};

int bfs(int x,int y)
{
    node from,rear;
    from.x=x,from.y=y;
    from.dead=6;
    from.step=0;
    vis[x][y]=6;
    q.push (from);
    while(!q.empty ())
    {
        from=q.front ();
        q.pop ();
        for(int i=0;i<4;i++)
        {
            int dx=from.x+xx[i];
            int dy=from.y+yy[i];
            if(dx>=0&&dx<n&&dy>=0&&dy<m&&mp[dx][dy]!=0)
            {
                rear.x=dx;
                rear.y=dy;
                rear.step=from.step+1;
                rear.dead=from.dead-1;    
                if(rear.dead==0) continue;
                if(mp[dx][dy]==4)
                {
                    rear.dead=6;                    
                }
                if(mp[dx][dy]==3)
                    return rear.step;
                if(rear.dead>vis[dx][dy])
                {
                    vis[dx][dy]=rear.dead;
                    q.push (rear);
                }            
                
            }
        }
    }
    return -1;

}
int main()
{
    int t,i,j,x,y;
    scanf("%d",&t);
    while(t--)
    {
        memset(mp,0,sizeof(mp));
        memset(vis,0,sizeof(vis));
        while(!q.empty ())
            q.pop ();
        scanf("%d%d",&n,&m);
        for(i=0;i<n;i++)
        {
            for(j=0;j<m;j++)
            {
                scanf("%d",&mp[i][j]);
                if(mp[i][j]==2)
                    x=i,y=j;
            }
        }
        
        printf("%d\n",bfs(x,y));
    }
    return 0;

}
/*
0---墙
1---路
2---开始
3---出口
4---补给点
*/

 

转载于:https://www.cnblogs.com/mochenmochen/p/5156901.html

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,加减运算进行局部开发,通过数学优化器加速函数(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