130. Surrounded Regions

二维棋盘O被X围困问题
本文介绍了一种解决二维棋盘中'O'被'X'围困的问题的方法,通过两次深度优先搜索(DFS),第一次从边界'O'开始进行DFS并标记,第二次遍历棋盘将未被标记的'O'变为'X',已标记的'O'恢复原状。

Given a 2D board containing 'X' and 'O' (the letter O), capture all regions surrounded by 'X'.

A region is captured by flipping all 'O's into 'X's in that surrounded region.

For example,

X X X X
X O O X
X X O X
X O X X

 

After running your function, the board should be:

X X X X
X X X X
X X X X
X O X X

DFS的时候用两个list存访问过的地址,如果没有touch过边界,则用这两个list的值来给board改写。但是这个耗费的space比较大,过不了OJ的大的test case。

public void Solve(char[,] board) {
        int row = board.GetLength(0);
        int col = board.GetLength(1);
        bool[,] visited = new bool[row,col];
        
        for(int i =0;i< row;i++)
        {
            for(int j =0;j<col;j++)
            {
                if(board[i,j] == 'O' && !visited[i,j])
                {
                    List<int> rowStore = new List<int>();
                    List<int> colStore = new List<int>();
                    bool NotWrap= BackTracking(board,i,j,row,col,visited,rowStore,colStore);
                    if(!NotWrap)
                    {
                        for(int m = 0;m< rowStore.Count();m++)
                        {
                            board[rowStore[m],colStore[m]] ='X';
                        }
                    }
                }
            }
        }
        return;
    }
    
    private bool BackTracking(char[,] board, int x, int y, int row, int col, bool[,] visited, List<int> rowStore, List<int> colStore)
    {
        if(x<0 || x> row-1) return true;
        if(y<0 || y> col-1) return true;
        if(visited[x,y]) return false;
        if(x == 0 || x == row-1)
        {
            visited[x,y] = true;
            if(board[x,y] == 'O') 
                return true;
        }
        if(y == 0 || y == col-1)
        {
            visited[x,y] = true;
            if(board[x,y] == 'O') return true;
        }
      
        if(board[x,y] == 'X') return false;
        visited[x,y] = true; 
        rowStore.Add(x);
        colStore.Add(y);
        return BackTracking(board,x+1,y,row,col,visited,rowStore,colStore) || BackTracking(board,x-1,y,row,col,visited,rowStore,colStore) || BackTracking(board,x,y+1,row,col,visited,rowStore,colStore) || BackTracking(board,x,y-1,row,col,visited,rowStore,colStore);
    }
    
    

 

用边界点为‘O’的开始做DFS, 找到的做标记‘#’。然后第二次遍历,标记为‘#’的全换位‘O’, 标记为‘O’的换位‘X’.

 

 public void Solve(char[,] board) {
        int row = board.GetLength(0);
        int col = board.GetLength(1);
        
        for(int i =0;i< row;i++)
        {
            for(int j =0;j<col;j++)
            {
                if(((i== 0 || i== row-1) ||(j == 0|| j ==col-1))&&(board[i,j] == 'O'))
                {
                    BackTracking(board,i,j,row,col);
                }
            }
        }
        
        for(int i =0;i< row;i++)
        {
            for(int j =0;j<col;j++)
            {
                if(board[i,j] == 'O') board[i,j] = 'X';
                else if(board[i,j] == '#') board[i,j] = 'O';
            }
        }
        return;
    }
    
    private void BackTracking(char[,] board, int x, int y, int row, int col)
    {

        //if(board[x,y] != 'O') return ;
        
        board[x,y] ='#';
        
        if(x<row-1 && board[x+1,y]=='O') BackTracking(board,x+1,y,row,col);
        if(x>0 && board[x-1,y]=='O') BackTracking(board,x-1,y,row,col);
        if(y<col-1 && board[x,y+1]=='O') BackTracking(board,x,y+1,row,col);
        if(y>0 && board[x,y-1]=='O') BackTracking(board,x,y-1,row,col);
    }

 

转载于:https://www.cnblogs.com/renyualbert/p/5863447.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