队列、栈与搜索教材分析.pptVIP

样例分析 题目中要求的数据范围长宽不超过100 大家可以看到，题目中说的是八个方向只要有任意一个方向有块，则它联通。 样例中给的数据显然只有3个块 分析完样例，大家思考一下该怎么做？ 算法引入 如果有一滴墨水滴入水中会出现什么现象？ 扩散现象！ 如果我们利用这种思路能否想出本题的算法呢？ 种子填充法！ 种子填充法 种子填充算法又称为边界填充算法。其基本思想是：从多边形区域的一个内点开始，由内向外用给定的颜色画点直到边界为止。如果边界是以一种颜色指定的，则种子填充算法可逐个像素地处理直到遇到边界颜色为止 题目分析 回到题目，由题目我给大家讲解一下种子填充算法。 首先题目中给定的矩阵很简单，只有两种元素，一种是”w”表示连通块，一种是”.”表示分隔个连通块 题目中说到时八个方向任意一个方向有w均可连通，所以说这个是要区分四向连通的 算法描述 初始化 本题初始化很简单，我们只需要将存放结果的变量设为0，并且把矩阵中其中一个点加入BFS队列之中 r=1; //设置队尾 f=0; //设置队首 res=res+1; //结果加1 d[r][1]=x; //其中一个w点加入队列 d[r][2]=y; 算法描述 枚举矩阵中的每一个元素，当元素为w时对它进行种子填充（BFS） 种子填充 对八个方向分别扩展加入队列 再对w进行修改，把原有的“w”改为“.”，这样我们就可以不必再考虑这个点了 用BFS搜索的办法把相邻的点均加入队列，直到无节点可以扩展 代码分析 main() { int i,u; res=0; intputdata(); //数据输入 for (i=1;i=n;i++) for (u=1;u=m;u++) if (s[i][u]==‘W’) //当点为w进行种子填充 bfs(i,u); coutresendl; //输出结果 } 种子染色法用DFS种子染色法用递归写法实现 小结 这里所讲到的种子填充法，我们既可以用BFS实现，也可以用DFS实现，这个根据各自的喜好决定。 种子填充法一般分为4向和8向，实际上也就是它的扩展规则不同，方法都一样。 种子填充时应当注意处理被填充过的节点，否则会出现状态无限增大的情况。 ssoj 1057:滑雪 Description Michael喜欢滑雪百这并不奇怪， 因为滑雪的确很刺激。可是为了获得速度，滑的区域必须向下倾斜，而且当你滑到坡底，你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长底滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子 1 2 3 4 5 16 17 18 19 6 15 24 25 20 7 14 23 22 21 8 13 12 11 10 9 一个人可以从某个点滑向上下左右相邻四个点之一，当且仅当高度减小。在上面的例子中，一条可滑行的滑坡为24-17-16-1。当然25-24-23-...-3-2-1更长。事实上，这是最长的一条。 题目描述 Input 输入的第一行表示区域的行数R和列数C(1 = R,C = 100)。下面是R行，每行有C个整数，代表高度h，0=h=10000。 Output 输出最长区域的长度。 Sample Input 5 5 1 2 3 4 5 16 17 18 19 6 15 24 25 20 7 14 23 22 21 8 13 12 11 10 9 Sample Output 25 样例分析 5 5 1 2 3 4 5 16 17 18 19 6 15 24 25 20 7 14 23 22 21 8 13 12 11 10 9 题目分析 暴力搜索？ 状态过多 记忆化搜索！ 记忆化搜索概念 算法上依然是搜索的流程，但是搜索到的一些解用动态规划的那种思想和模式作一些保存。一般说来，动态规划总要遍历所有的状态，而搜索可以排除一些无效状态。更重要的是搜索还可以剪枝，可能剪去大量不必要的状态，因此在空间开销上往往比动态规划要低很多。记忆化算法在求解的时候还是按着自顶向下的顺序，但是每求解一个状态，就将它的解保存下来，以后再次遇到这个状态的时候，就不必重新求解了。这种方法综合了搜索和动态规划两方面的优点，因而还是很有实用价值的。 算法描述 我们将所有元素读入一个线性表并对它进行排序 按顺序由高到低对每一个元素的相邻节点进行搜索 判断四个相邻的存在，且判断当前点的权值是否大于相邻点 如果当前点大于相邻点，则判断相邻点的