PKU 3984 迷宫问题

文章详细介绍了如何解决九度的1335问题,并通过使用广度优先搜索(BFS)算法成功找到从初始位置到目标位置的最短路径。在代码实现过程中遇到数组越界的问题,借助gdb调试工具解决了错误,最终输出了从起点到终点的路径。

http://poj.org/problem?id=3984

 

其实是将九度的1335重写了一遍,不过,不小心操作数组时越界了,在队列中没有任何元素时,用gdb调试时,提示有-127个元素,汗。。,然后没有别的什么大问题了。不过不知道为什么,今天写的代码思路很乱,也不再改了。

 

什么叫少了一个人。。。小雨啊。。

 

 1 #include <stdio.h>
2 #include <queue>
3 #include <stack>
4 using namespace std;
5 int maze[7][7];
6 int degree[7][7];
7 typedef struct Father{
8 int x,y;
9 }Father;
10 Father father[7][7];
11 queue<int> Q;
12 stack<int> S;
13 int x_pos[]={0,0,-1,1};
14 int y_pos[]={-1,1,0,0};
15 void bfs()
16 {
17 while(!Q.empty()){
18 int x=Q.front();
19 Q.pop();
20 int y=Q.front();
21 Q.pop();
22 if(x==y&&y==5)
23 break;
24 int i;
25 degree[x][y]++;
26 for(i=0;i<4;i++){
27 if(!degree[x+x_pos[i]][y+y_pos[i]]&&
28 !maze[x+x_pos[i]][y+y_pos[i]]){
29 father[x+x_pos[i]][y+y_pos[i]].x=x;
30 father[x+x_pos[i]][y+y_pos[i]].y=y;
31 Q.push(x+x_pos[i]);
32 Q.push(y+y_pos[i]);
33 }
34 }
35 }
36 }
37 void output()
38 {
39 int i=5,j=5;
40 while(!(i==1&&j==1)){
41 S.push(j);
42 S.push(i);
43 int a,b;
44 a=father[i][j].x;
45 b=father[i][j].y;
46 i=a;
47 j=b;
48 }
49 printf("(0, 0)\n");
50 while(!S.empty()){
51 int x=S.top();
52 S.pop();
53 int y=S.top();
54 S.pop();
55 printf("(%d, %d)\n",x-1,y-1);
56 }
57 }
58
59 int main()
60 {
61 int i,j;
62 for(i=0;i<=6;i++)
63 for(j=0;j<=6;j++){
64 maze[i][j]=1;
65 degree[i][j]=0;
66 father[i][j].x=1;
67 father[i][j].y=1;
68 }
69 for(i=1;i<=5;i++)
70 for(j=1;j<=5;j++){
71 scanf("%d",&maze[i][j]);
72 }
73 Q.push(1);
74 Q.push(1);
75 bfs();
76 output();
77 }



转载于:https://www.cnblogs.com/yangce/archive/2011/11/25/2263508.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