Codeforces Round #516 (Div. 2)D. Labyrinth(BFS)

本文介绍了一个CodeForces D题的解题思路,利用BFS算法在一个n*m的图中寻找从给定点出发,能到达的最大单元格数目,特别关注向左和向右的行走限制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目链接:http://codeforces.com/contest/1064/problem/D

题目大意:给你一个n*m的图,图中包含两种符号,'.'表示可以行走,'*'表示障碍物不能行走,规定最多只能向左走L个格子,向右R个格子,但是上下没有限制,现在给出出发点坐标(sx,sy),求能走的最大单元格数目。

 Examples

Input
Copy
4 5
3 2
1 2
.....
.***.
...**
*....
Output
Copy
10
Input
Copy
4 4
2 2
0 1
....
..*.
....
....
Output
Copy
7

解题思路:直接用BFS模拟行走过程,不过需要多记录下向左和向右行走的步数。为了保证保留向左向右行走的次数,我们优先向上下行走,能向上下行走就先不往左右行走。直接用双向队列,如果是向上下行走就放在队首,如果是左右行走放在队尾。

 

附上代码:

#include<bits/stdc++.h>
using namespace std;
int n,m,vis[2005][2005],ans,sx,sy,L,R;
int dir[4][2]={{1,0},{-1,0},{0,-1},{0,1}};
char mp[2005][2005];
struct node{
    int x,y,l,r;
};
bool check(node x)
{
    if(x.x<=0||x.y<=0||x.x>n||x.y>m||vis[x.x][x.y]||mp[x.x][x.y]=='*')
        return false;
    return true;
}
void BFS()
{
    deque<node> que;
    vis[sx][sy]=1;
    ans++;
    node s;
    s.x=sx; s.y=sy; s.l=L; s.r=R;
    que.push_back(s);
    while(!que.empty())
    {
        node now=que.front();
        que.pop_front();
        node next;
        for(int i=0;i<4;i++)
        {
            next.x=now.x+dir[i][0];
            next.y=now.y+dir[i][1];
            if(check(next))
            {
                if(i<2)
                {
                    next.l=now.l; next.r=now.r;
                    que.push_front(next);
                    vis[next.x][next.y]=1;
                    ans++;
                }
                if(i==2&&now.l>=1)
                {
                    next.l=now.l-1;
                    next.r=now.r;
                    que.push_back(next);
                    vis[next.x][next.y]=1;
                    ans++;
                }
                if(i==3&&now.r>=1)
                {
                    next.l=now.l;
                    next.r=now.r-1;
                    que.push_back(next);
                    vis[next.x][next.y]=1;
                    ans++;
                }
            }
        }
    }
}
int main()
{
    scanf("%d%d%d%d%d%d",&n,&m,&sx,&sy,&L,&R);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
            cin>>mp[i][j];
    BFS();
    cout<<ans<<endl;
    return 0;
}

 

转载于:https://www.cnblogs.com/zjl192628928/p/9791932.html

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
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