博客
关于我
浙江农林大学第十九届程序设计竞赛暨天梯赛选拔赛 灾难预警 (二分+bfs)
阅读量:742 次
发布时间:2019-03-21

本文共 1974 字,大约阅读时间需要 6 分钟。

为了解决农农在浙农林大学行走时不踩进水坑的问题,我们需要设计一个程序来判断他能否在给定的水位下安全地从起点 (1, 1) 到达终点 (n, n)。我们可以使用二分查找配合广度优先搜索(BFS)来高效解决这个问题。

方法思路

  • 问题分析:农农只能在不形成水坑的地方行走。水坑的形成条件是海拔高度大于当前水位。因此,我们需要找到最大的水位X,使得在X下可以从起点到达终点。
  • 二分查找:使用二分查找来确定这个最大的X值。我们通过检查每个中间值mid来确定是否能从起点到终点走过。
  • 广度优先搜索(BFS):检查当前水位是否可以让农农通过某些路径到达终点。BFS适合用来确定图中是否存在一条可行路径。
  • 解决代码

    import sys
    from collections import deque
    def main():
    data = list(map(int, sys.stdin.read().split()))
    ptr = 0
    n = data[ptr]
    ptr += 1
    a = []
    for i in range(n):
    row = data[ptr:ptr + n]
    ptr += n
    a.append(row)
    def check(mid):
    visited = [[0] * (n + 1) for _ in range(n + 1)]
    q = deque()
    q.append((1, 1))
    visited[1][1] = 1
    if a[1][1] > mid or a[n][n] > mid:
    return False
    if n == 1:
    return True
    directions = [(-1, 0), (1, 0), (0, -1), (0, 1)]
    while q:
    x, y = q.popleft()
    for dx, dy in directions:
    nx = x + dx
    ny = y + dy
    if 1 <= nx <= n and 1 <= ny <= n:
    if not visited[nx][ny] and a[nx][ny] <= mid:
    if nx == n and ny == n:
    return True
    visited[nx][ny] = 1
    q.append((nx, ny))
    return False
    low = 1
    high = 100000
    max_X = 0
    while low <= high:
    mid = (low + high) // 2
    can = check(mid)
    if can:
    max_X = mid
    low = mid + 1
    else:
    high = mid - 1
    q_num = data[ptr]
    ptr += 1
    for _ in range(q_num):
    x = data[ptr]
    ptr += 1
    if x <= max_X:
    print("Wuhu")
    else:
    print("Hmmm")
    if __name__ == "__main__":
    main()

    代码解释

  • 读取输入:使用sys.stdin.read来高效读取所有输入数据,并将其转换为整数列表进行处理。
  • 二分查找:确定最大的可达水位X。初始范围为1到100000,逐步调整范围遍历每个中间值mid。
  • 检查函数(BFS):对于给定的mid值,使用BFS检查是否能从起点到达终点。所有海拔高度必须不大于mid。
  • 处理查询:对于每个查询,比较当前水位和找到的最大X值,输出相应的结果。
  • 转载地址:http://hpzgz.baihongyu.com/

    你可能感兴趣的文章
    NLP三大特征抽取器:CNN、RNN与Transformer全面解析
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP度量指标BELU真的完美么?
    查看>>
    NLP的不同研究领域和最新发展的概述
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>
    NLP项目:维基百科文章爬虫和分类【02】 - 语料库转换管道
    查看>>
    NLP:使用 SciKit Learn 的文本矢量化方法
    查看>>
    nmap 使用方法详细介绍
    查看>>
    Nmap扫描教程之Nmap基础知识
    查看>>
    nmap指纹识别要点以及又快又准之方法
    查看>>
    Nmap渗透测试指南之指纹识别与探测、伺机而动
    查看>>
    Nmap端口扫描工具Windows安装和命令大全(非常详细)零基础入门到精通,收藏这篇就够了
    查看>>
    NMAP网络扫描工具的安装与使用
    查看>>
    NMF(非负矩阵分解)
    查看>>
    nmon_x86_64_centos7工具如何使用
    查看>>
    NN&DL4.1 Deep L-layer neural network简介
    查看>>
    NN&DL4.3 Getting your matrix dimensions right
    查看>>
    NN&DL4.7 Parameters vs Hyperparameters
    查看>>