数据结构学习记录——图应用实例-拯救007(问题描述、解题思路、伪代码解读、C语言算法实现)

简介: 数据结构学习记录——图应用实例-拯救007(问题描述、解题思路、伪代码解读、C语言算法实现)

问题描述

在老电影“007之生死关头”(Live and Let Die)中有一个情节,007被毒贩抓到一个鳄鱼池中心的小岛上,他用了一种极为大胆的方法逃脱 —— 直接踩着池子里一系列鳄鱼的大脑袋跳上岸去!(据说当年替身演员被最后一条鳄鱼咬住了脚,幸好穿的是特别加厚的靴子才逃过一劫。)


设鳄鱼池是长宽为100米的方形,中心坐标为 (0, 0),且东北角坐标为 (50, 50)。池心岛是以 (0, 0) 为圆心、直径15米的圆。给定池中分布的鳄鱼的坐标、以及007一次能跳跃的最大距离,你需要告诉他是否有可能逃出生天。

解题思路

1. 图的数据结构:将鳄鱼的坐标看作图的节点,鳄鱼之间的距离小于等于007一次能跳跃的最大距离的关系看作图的边。


2. 搜索算法:使用广度优先搜索(BFS)或深度优先搜索(DFS)来探索图,找到从007的起始位置出发是否能到达岸边或者岛屿的边界。这相当于在图中查找从起点到终点的路径。

- 如果找到了从起点到终点的路径,那么007可以逃脱,返回 "可能逃脱"。

  - 如果没有找到路径,那么007无法逃脱,返回 "不可能逃脱"。


这个问题的关键是用图的数据结构和选择适当的搜索算法来找到路径。也就是之前学过的图的遍历的一种应用,在实例中,情况会有所不同。007如果第一次能跳到鳄鱼上,那么在那第一只鳄鱼上,需要判断在跳跃半径内,是否有其他可以跳跃到的而且没有踩过的鳄鱼,这个就相当于有没有被访问过的节点。在过程中,要不断判断能不能直接从鳄鱼跳到岸上,如果能,就拯救成功了;如果不能,且没有其他可以跳跃的鳄鱼或者周围半径内所有能跳到的鳄鱼都是被自己踩过的,那么就往回跳,继续寻找跳跃点。

伪代码

总体算法

void Save007(Graph G)
{
    for (each V in G)
    {
        if (!visited[V] && FirstJump(V))
        {
            answer = DFS(V);
            if (answer == YES)
                break;
        }
    }
    
    if (answer == YES)
        output("Yes");
    else
        output("No");
}

DFS算法

int DFS(Vertex V)
{
    if (IsSafe(V))
        answer = YES;
    else
    {
        for (each W in G)
        {
            if (!visited[W] && Jump(V, W))
            {
                answer = DFS(W);
                if (answer == YES)
                    break;
            }
        }
    }
    
    return answer;
}

伪代码解读

总体算法


使用一个for循环遍历图中的每个顶点 "V"。


对于每个顶点 "V",if需要判断两个条件:1.是否之前未访问过。2.是否满足函数FirstJump的条件。(函数FirstJump用来判断一个顶点是否满足进行第一次跳跃的条件。)


如果这两个条件都满足,则调用函数DFS进行深度优先搜索,并将返回值存储在变量 answer 中。


如果answer的值等于YES,则跳出循环。表明可以从当前鳄鱼跳到岸边,成功脱离危险了。


在循环结束后,代码检查answer的值。如果等于YES,则输出 "Yes";否则输出 "No"。

DFS算法


首先先判断顶点V是否满足函数IsSafe的条件。如果满足条件,则将answer设置为YES。(IsSafe函数用于

判断顶点是否满足安全条件,即顶点是否在岸上。)


如果顶点V不满足条件,那么就对图中的每个顶点W进行遍历。


对于每个顶点W,进行两个判断:1.顶点W之前是否未被访问过。2.从顶点V是否可以跳到顶点W(使用函数Jump)


如果这两个条件都满足,则递归调用DFS函数,并将返回值存储在变量answer中。如果递归调用的结果为YES,则跳出循环。

最后,将answer的值作为结果返回。

具体实现(C语言)

#include <stdio.h>
#include <math.h>
 
#define MAX_VERTICES 100
 
typedef struct {
  double x;
  double y;
} Vertex;
 
int visited[MAX_VERTICES]; // 记录顶点是否已访问过
 
// 计算两点之间的欧氏距离(即利用平面上两点间的距离公式计算)
double calculateDistance(Vertex p1, Vertex p2) 
{
  double dx = p2.x - p1.x;
  double dy = p2.y - p1.y;
  return sqrt(dx * dx + dy * dy);
}
 
// 判断顶点是否安全
int IsSafe(Vertex V) 
{
  double distanceToIslandCenter = sqrt(V.x * V.x + V.y * V.y);
  if (distanceToIslandCenter <= 15.0) 
  {
    return 1; // 安全
  }
  else 
  {
    return 0; // 不安全
  }
}
 
// 判断是否可以从顶点V跳到顶点W
int Jump(Vertex V, Vertex W) 
{
  double distance = calculateDistance(W,V);
  if (distance <= 20.0) 
  {
    return 1; // 可以跳到
  }
  else 
  {
    return 0; // 无法跳到
  }
}
 
// 递归深度优先搜索
int DFS(int V, Vertex G[MAX_VERTICES]);
 
// 遍历图G中的每个顶点,查找是否有路径可以逃出生天
int Save007(Vertex G[MAX_VERTICES]) 
{
  int answer = 0; // 保存逃生结果
 
  for (int i = 0; i < MAX_VERTICES; i++) 
  {
    visited[i] = 0; // 初始化visited数组
  }
 
  for (int i = 0; i < MAX_VERTICES; i++) 
  {
    if (!visited[i] && IsSafe(G[i])) 
    {
      answer = DFS(i, G);
      if (answer == 1) 
      {
        break;
      }
    }
  }
 
  return answer;
}
 
// 递归深度优先搜索
int DFS(int V, Vertex G[MAX_VERTICES]) 
{
  visited[V] = 1; // 将顶点标记为已访问
 
  if (IsSafe(G[V])) 
  {
    return YES; // 可以逃出生天
  }
  else 
  {
    for (int i = 0; i < MAX_VERTICES; i++) 
    {
      if (!visited[i] && Jump(G[V], G[i])) 
      {
        int answer = DFS(i, G);
        if (answer == 1) 
        {
          return YES; // 可以逃出生天
        }
      }
    }
  }
 
  return NO; // 无法逃出生天
}

end



目录
相关文章
|
8月前
|
机器学习/深度学习 算法 数据挖掘
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
没发论文的注意啦!重磅更新!GWO-BP-AdaBoost预测!灰狼优化、人工神经网络与AdaBoost集成学习算法预测研究(Matlab代码实现)
237 0
|
7月前
|
机器学习/深度学习 运维 算法
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
【微电网多目标优化调度】多目标学习者行为优化算法MOLPB求解微电网多目标优化调度研究(Matlab代码实现)
315 1
|
算法 数据处理 C语言
C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合
本文深入解析了C语言中的位运算技巧,涵盖基本概念、应用场景、实用技巧及示例代码,并讨论了位运算的性能优势及其与其他数据结构和算法的结合,旨在帮助读者掌握这一高效的数据处理方法。
711 1
|
11月前
|
算法 Python
Apriori算法的Python实例演示
经过运行,你会看到一些集合出现,每个集合的支持度也会给出。这些集合就是你想要的,经常一起被购买的商品组合。不要忘记,`min_support`参数将决定频繁项集的数量和大小,你可以根据自己的需要进行更改。
404 18
|
算法 数据可视化 开发者
为什么要学习数据结构与算法
今天,我向大家介绍一门非常重要的课程——《数据结构与算法》。这门课不仅是计算机学科的核心,更是每一位开发者从“小白”迈向“高手”的必经之路。
为什么要学习数据结构与算法
|
负载均衡 算法
架构学习:7种负载均衡算法策略
四层负载均衡包括数据链路层、网络层和应用层负载均衡。数据链路层通过修改MAC地址转发帧;网络层通过改变IP地址实现数据包转发;应用层有多种策略,如轮循、权重轮循、随机、权重随机、一致性哈希、响应速度和最少连接数均衡,确保请求合理分配到服务器,提升性能与稳定性。
2846 11
架构学习:7种负载均衡算法策略
|
存储 算法 程序员
C 语言递归算法:以简洁代码驾驭复杂逻辑
C语言递归算法简介:通过简洁的代码实现复杂的逻辑处理,递归函数自我调用解决分层问题,高效而优雅。适用于树形结构遍历、数学计算等领域。
|
存储 缓存 算法
C语言在实现高效算法方面的特点与优势,包括高效性、灵活性、可移植性和底层访问能力
本文探讨了C语言在实现高效算法方面的特点与优势,包括高效性、灵活性、可移植性和底层访问能力。文章还分析了数据结构的选择与优化、算法设计的优化策略、内存管理和代码优化技巧,并通过实际案例展示了C语言在排序和图遍历算法中的高效实现。
509 2
|
机器学习/深度学习 算法 数据挖掘
C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出
本文探讨了C语言在机器学习中的应用及其重要性。C语言以其高效性、灵活性和可移植性,适合开发高性能的机器学习算法,尤其在底层算法实现、嵌入式系统和高性能计算中表现突出。文章还介绍了C语言在知名机器学习库中的作用,以及与Python等语言结合使用的案例,展望了其未来发展的挑战与机遇。
479 1
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
578 1