leetcode 1631.最小体力消耗路径

思路:BFS+二分

这道题和洛谷上的那个"汽车拉力赛"那道题很相似,但是这道题相较于洛谷那个来说会简单一些。

这里作者一开始写的时候思路堵在了怎么在BFS中用二分,先入为主的以为需要先写出来搜索函数然后再去处理二分的事,但是这里是先二分找数,然后再搜索才是对的。所以先入为主之后就没有做出来。

注意:需要注意数据范围,另外,每一次更新mid数值的时候,我们上一次已经搜索过的数组,队列等存储单元都需要清空,不然的话会影响后面的输出结果。还有,二分注意用哪一个模板,选择也是很重要的。这里主要是求最小值,所以是(left+right)/2而不是(left+right+1)/2,还有就是while中不要left<=right,你用范围的二分查找会造成死循环,但是用于基本的找数是可以的。

复制代码
class Solution {
public:
    int minimumEffortPath(vector<vector<int>>& heights) {
        int dx[4]={1,-1,0,0};
        int dy[4]={0,0,1,-1};
        int left=0;
        int right=1000000;
        while(left<right){
            queue<pair<int,int>>q;
            q.push({0,0});
            vector<vector<bool>>st(heights.size(),vector<bool>(heights[0].size(),false));
            st[0][0]=true;
            int mid=(left+right)/2;
        while(!q.empty()){
            auto tmp=q.front();
            q.pop();
            for(int i=0;i<4;i++){
                int a=dx[i]+tmp.first;
                int b=dy[i]+tmp.second;
                if(a>=heights.size()||a<0||b<0||b>=heights[0].size())continue;
                if(st[a][b])continue;
                if(abs(heights[a][b]-heights[tmp.first][tmp.second])>mid)continue;

                q.push({a,b});
                st[a][b]=true;
            }
        }
        if(st[heights.size()-1][heights[0].size()-1])
        {
            right=mid;
        }
        else
        {
            left=mid+1;
        }
        }
        return right;
    }
};
相关推荐
wabs66621 分钟前
关于动态规划【力扣1035.不相交的线和53.最大子数组和的思考】
算法·leetcode·动态规划
退休倒计时21 分钟前
【每日一题】LeetCode 199. 二叉树的右视图 TypeScript
算法·leetcode·typescript
可编程芯片开发25 分钟前
通过MATLAB实现PID控制器,积分分离控制器以及滑模控制器
算法
kebidaixu1 小时前
两轮BMS 短路保护策略详解
算法
zwenqiyu1 小时前
非线性字符串数据结构串讲
数据结构·c++·学习·算法
z小猫不吃鱼1 小时前
03 Optimal Brain Surgeon 详解:Hessian 剪枝为什么有效?
算法·机器学习·剪枝
硕风和炜2 小时前
【LeetCode: 1301. 最大得分的路径数目 + DP】
java·算法·leetcode·动态规划·dp·记忆化搜索
用户99045017780092 小时前
做了一个AI诊断,参考倪海厦中医理论,科学养生
算法
努力中的编程者2 小时前
STL-vector的模拟实现
开发语言·c++·算法·stl·vector
weixin_400005602 小时前
RL-frenet-trajectory-planning-in-CARLA
人工智能·深度学习·算法·机器学习·自动驾驶