NYOJ82 迷宫寻宝(一)【BFS】

本文介绍了一款迷宫寻宝游戏的实现方法,玩家需收集钥匙打开迷宫中的门以找到宝藏。采用广度优先搜索算法进行路径寻找,并考虑钥匙收集及门开启的条件。

迷宫寻宝(一)

时间限制:1000 ms  |  内存限制:65535 KB
难度:4
描写叙述

一个叫ACM的寻宝者找到了一个藏宝图。它依据藏宝图找到了一个迷宫,这是一个非常特别的迷宫,迷宫里有N个编过号的门(N<=5),它们分别被编号为A,B,C,D,E.为了找到宝藏。ACM必须打开门。可是,开门之前必须在迷宫里找到这个打开这个门所需的全部钥匙(每一个门都至少有一把钥匙),比如:如今A门有三把钥匙,ACM就必须找全三把钥匙才干打开A门。如今请你编写一个程序来告诉ACM,他能不能顺利的得到宝藏。

 

输入
输入可能会有多组測试数据(不超过10组)。


每组測试数据的第一行包括了两个整数M,N(1<N,M<20),分别代表了迷宫的行和列。接下来的M每行有N个字符。描写叙述了迷宫的布局。当中每一个字符的含义例如以下:
.表示能够走的路
S:表示ACM的出发点
G表示宝藏的位置
X表示这里有墙,ACM无法进入或者穿过。
A,B,C,D,E表示这里是门,a,b,c,d,e表示相应大写字母的门上的钥匙。


注意ACM仅仅能在迷宫里向上下左右四个方向移动。

最后。输入0 0表示输入结束。

输出
每行输出一个YES表示ACM能找到宝藏。输出NO表示ACM找不到宝藏。
例子输入
4 4 
S.X. 
a.X. 
..XG 
.... 
3 4 
S.Xa 
.aXB 
b.AG 
0 0
例子输出
YES 
NO

好题。做了两天才过。。

#include <cstdio>
#include <cstring>
#include <queue>
#include <vector>
using std::vector;
using std::queue;
struct Node{
	int x, y;
} start;
queue<Node> Q;
vector<Node> door[5];
int m, n, tkey[5], key[5], vis[22][22];
char map[22][22];
const int mov[][2] = {0, 1, 0, -1, -1, 0, 1, 0};

bool checkOpenDoor(char ch){
	return key[ch - 'A'] == tkey[ch - 'A'];
}

//check函数的作用:1、推断点是否越界 2、推断是否已经訪问或为墙壁
//3、是否为钥匙,若是则更新钥匙且推断是否能打开门。如能则将之前入栈
//的门入队 4、推断是否为门。若是再推断是否能打开,若不能则入栈且返回0
bool check(Node t){
	if(t.x < 0 || t.y < 0 || t.x >= m || t.y >= n)
		return 0;
	if(vis[t.x][t.y] || map[t.x][t.y] == 'X')
		return 0;
	
	char ch = map[t.x][t.y];
	if(ch >= 'a' && ch <= 'e'){
		++key[ch - 'a'];
		while(key[ch - 'a'] == tkey[ch - 'a'] && !door[ch - 'a'].empty()){
			Q.push(door[ch - 'a'].back());
			door[ch - 'a'].pop_back();		
		}
	}
	
	if(ch >= 'A' && ch <= 'E' && !checkOpenDoor(ch)){	
		door[ch - 'A'].push_back(t);
		vis[t.x][t.y] = 1;
		return 0;		
	}
	
	return 1;
}

void BFS(){
	for(int i = 0; i < 5; ++i)
		door[i].clear();
	while(!Q.empty()) Q.pop();
	
	vis[start.x][start.y] = 1;
	Q.push(start);
	Node temp, now;
		
	while(!Q.empty()){
		now = Q.front(); Q.pop();
		
		for(int i = 0; i < 4; ++i){
			temp = now;
			temp.x += mov[i][0];
			temp.y += mov[i][1];
			
			if(check(temp)){
				if(map[temp.x][temp.y] == 'G'){
					puts("YES"); return;
				}
				vis[temp.x][temp.y] = 1;
				Q.push(temp);
			}
		}
	}
	
	puts("NO");
}

int main(){
	char ch;
	while(scanf("%d%d", &m, &n), m || n){
		memset(tkey, 0, sizeof(tkey));
		memset(key, 0, sizeof(key));
		memset(vis, 0, sizeof(vis));
		
		for(int i = 0; i < m; ++i){
			for(int j = 0; j < n; ++j){
				ch = getchar();
				if(ch == ' ' || ch == '\n'){
					--j; continue;
				}
				
				map[i][j] = ch;
				if(ch >= 'a' && ch <= 'e')
					++tkey[ch - 'a'];
				else if(ch == 'S'){
					start.x = i; start.y = j;
				}
			}
		}
		
		BFS();
	}
	return 0;
}


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