dfs复习 HDU1181:变形课

本文深入探讨了在解决变形课问题中应用的深度优先搜索(DFS)算法,通过实例详细解析了如何利用DFS实现从一种物体到另一种物体的转换过程,强调了结构体和递归调用的重要性。

dfs复习 HDU1181:变形课

Problem Description
呃…变形课上Harry碰到了一点小麻烦,因为他并不像Hermione那样能够记住所有的咒语而随意的将一个棒球变成刺猬什么的,但是他发现了变形咒语的一个统一规律:如果咒语是以a开头b结尾的一个单词,那么它的作用就恰好是使A物体变成B物体.
Harry已经将他所会的所有咒语都列成了一个表,他想让你帮忙计算一下他是否能完成老师的作业,将一个B(ball)变成一个M(Mouse),你知道,如果他自己不能完成的话,他就只好向Hermione请教,并且被迫听一大堆好好学习的道理.

Input
测试数据有多组。每组有多行,每行一个单词,仅包括小写字母,是Harry所会的所有咒语.数字0表示一组输入结束.

Output
如果Harry可以完成他的作业,就输出"Yes.",否则就输出"No."(不要忽略了句号)

Sample Input so soon river goes them got moon begin big 0

Sample Output
Yes.
Hint
Hint
Harry 可以念这个咒语:“big-got-them”.

首先我们只需要知道开头字母和结尾字母 可以用一个结构体head和end的来储存,然后找出开头是b,进行深搜当他结尾的字母可指的开头字母已经遍历过了,或者是无此开头的,那么结束并进行判断。

#include<stdio.h>
#include<math.h>
#include<string.h>
#include<algorithm>
#include<iostream>
using namespace std;
const int maxn=10000;
int vis[maxn];
int i=0;
int flag=0;
struct node
{
	char head,end;
}c[maxn];
void dfs(int num,char link)
{
	if(c[num].end=='m')
		{
			flag=1;

			return;
		}  

	for(int p=0;p<=i;p++)
	{
		if(c[p].head==link&&vis[p]==0)
		{
			vis[p]=1;
			dfs(p,c[p].end);
			vis[p]=0;
		}
		
	}

}
int main()
{
	char s[100];
	int len; 
	while(scanf("%s",s)!=EOF)
	{
		flag=0;
			i=0;
		len=strlen(s);
			c[i].head=s[0];
			c[i].end=s[len-1];
			i++;
		while(scanf("%s",s)&&s[0]!='0')
		{
			len=strlen(s);
			c[i].head=s[0];
			c[i].end=s[len-1];
			i++;
		}		
		for(int j=0;j<i;j++)
		{
			if(c[j].head=='b')
			{
				memset(vis,0,sizeof(vis));
				vis[j]=1;
	
				dfs(j,c[j].end);
			}
			if(flag==1) break;		
		}	
		if(flag==0) cout<<"No."<<endl;
			else if(flag==1) 	cout<<"Yes."<<endl; 
			flag=0;
	}
		
} 

但是我还是没懂就是这个部分

for(int j=0;j<i;j++)
		{
			if(c[j].head=='b')
			{
				memset(vis,0,sizeof(vis));
				vis[j]=1;
	
				dfs(j,c[j].end);
			}
			if(flag==1) break;		
		}	

如果写成j<=i 那么样例先输入到big结束正确 再输入到begin结束 也会输出Yes。 不是很懂 虽然说能过 我也不懂
想了很久 无语。

有些bug确实想不通 我觉得以后还是别想了 太折磨人了 一弄就是一晚上。。

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