loj 6084.「美团 CodeM 资格赛」跳格子

本文介绍了一个使用深度优先搜索(DFS)解决特定路径寻找问题的方法。该问题的目标是在满足一定条件下找到从起点到终点的最短路径,并且尽可能选择特定的移动方式。文章详细解释了如何通过两次DFS遍历来确定可行路径,并提供了完整的C++代码实现。

题目:

link

题解:

尽量走\(a\).
只要保证走\(a\)后到达的点一定可以到终点就可以走。
所以从终点开始\(dfs\)出所有能够到达终点的点。
然后再从起点开始\(dfs\)路径即可。
如果\(dfs\)出环代表字符串无现长。

#include <vector>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
typedef long long ll;
inline void read(int &x){
    x=0;static char ch;static bool flag;flag = false;
    while(ch=getchar(),ch<'!');if(ch == '-') ch=getchar(),flag = true;
    while(x=10*x+ch-'0',ch=getchar(),ch>'!');if(flag) x=-x;
}
#define rg register int
#define rep(i,a,b) for(rg i=(a);i<=(b);++i)
#define per(i,a,b) for(rg i=(a);i>=(b);--i)
const int maxn = 100010;
int a[maxn],b[maxn],n,len;
bool vis[maxn],vt[maxn];
char s[maxn<<1];
vector<int>ve[maxn];
void check(int u){
    if(vt[u]) return ;
    vt[u] = true;
    for(vector<int>::iterator it = ve[u].begin();it != ve[u].end();++ it){
        check(*it);
    }
}
bool dfs(int u,int i){
    if(u == n){len = i;return true;}
    if(vis[u]) return false;
    vis[u] = true;
    if(1 <= u + a[u] && u + a[u] <= n && vt[u + a[u]]){
        if(dfs(u + a[u],i + 1) == false) return false;
        s[i] = 'a';return true;
    }
    if(1 <= u + b[u] && u + b[u] <= n && vt[u + b[u]]){
        if(dfs(u + b[u],i + 1) == false) return false;
        s[i] = 'b';return true;
    }
}
int main(){
    read(n);
    rep(i,1,n){
        read(a[i]);
        if(1 <= i + a[i] && i + a[i] <= n) ve[i+a[i]].push_back(i);
    }
    rep(i,1,n){
        read(b[i]);
        if(1 <= i + b[i] && i + b[i] <= n) ve[i+b[i]].push_back(i);
    }
    check(n);
    if(vt[1] == 0) puts("No solution!");
    else{
        if(dfs(1,0) == false) puts("Infinity!");
        else s[len] = 0,printf("%s",s);
    }
    return 0;
}

转载于:https://www.cnblogs.com/Skyminer/p/7077620.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