多源BFS:矩阵距离

单源最短路问题 vs 多源最短路问题

  • 当问题中只存在一个起点时,这时的最短路问题就是单源最短路问题。
  • 当问题中存在多个起点而不是单一起点时,这时的最短路问题就是多源最短路问题。

想知道从这个点出发,到达终点,最短路径是多少。这是单源最短路。

但如果我的出发点有多个时,是多源最短路问题。

多源BFS:多源最短路问题的边权都为 1时,此时就可以用多源BFS来解决。

把这些源点汇聚在一起,等效成一个"超级源点",然后从这个"超级源点"开始,处理最短路问题。落实到代码上时:

  1. 初始化的时候,把所有的源点都加入到队列里面;
  2. 然后正常执行bfs的逻辑即可。
  • 曼哈顿距离:两个坐标:横坐标差的绝对值+纵坐标差的绝对值。
  • 正难则反,正着求比较难解的话,可以反着来求。

题目:矩阵距离

求每个0到1,最短要走几步

思路:我们可以把所有的1点,push进队列,然后每层向外走一步,并且同步记录步数。第一个遇到的点记录的肯定是最短路径。如果已经记录了最短路径,就continue。

cpp 复制代码
#include <iostream>
#include <queue>
#include <cstring>

using namespace std;

int n, m;

const int N = 1010;

char a[N][N];
int dist[N][N];

int dx[] = {0, 1, 0, -1};
int dy[] = {1, 0, -1, 0};

typedef pair<int, int> PII;

void bfs()
{
	queue<PII> q;
	memset(dist, -1, sizeof(dist)); 
	for (int i = 1; i <= n; i++)
	{
		for (int j = 1; j <= m; j++)
		{
			if (a[i][j] == '1')
			{
				q.push({i, j});
				dist[i][j] = 0; 
			}
		}
	} 
	
	while(q.size())
	{
		auto t = q.front(); q.pop();
		
		int x1 = t.first, y1 = t.second;
		
		for (int i = 0; i < 4; i++)
		{
			int x2 = x1 + dx[i], y2 = y1 + dy[i];
			if (x2 < 1 || x2 > n || y2 < 1 || y2 > m || dist[x2][y2] != -1) continue;
			dist[x2][y2] = dist[x1][y1] + 1;
			q.push({x2, y2});
		}
	}
}

int main()
{
	cin >> n >> m;
	
	for (int i = 1; i <= n; i++)
	{
		for (int j = 1; j <= m; j++)
		{
			cin >> a[i][j];
		}
	} 
	
	bfs();
	
	for (int i = 1; i <= n; i++)
	{
		for (int j = 1; j <= m; j++)
		{
			cout << dist[i][j] << " ";
		}
		cout << endl;
	} 
	
	return 0;
} 
相关推荐
开压路机2 分钟前
数据结构:图
数据结构·算法
小白|4 分钟前
cann-learning-hub:昇腾CANN社区学习中心完全指南
java·c++·算法
kobesdu13 分钟前
当算法跑不通时:3D激光SLAM工程实践中的隐藏陷阱与全链路排查
算法·3d
金创想15 分钟前
积木移动题目分析及解题思路——木块问题(1)
c++·算法·字符串·c·刷题·信息学奥赛·积木
研究点啥好呢20 分钟前
小鹏汽车 机器人运动规划算法工程师 面试题精选:10道高频考题+答案解析
算法·机器人·汽车
小许同学记录成长24 分钟前
原始 IQ 数据时频图生成
python·算法
小小测试开发28 分钟前
OpenAI 模型攻克离散几何 80 年难题:Erdős 单位距离猜想被 AI 证明
人工智能·算法·机器学习
moonsims29 分钟前
从“传感器融合”升级为“多机器人约束融合系统”-Factor Graph 多约束融合
人工智能·算法
Dfreedom.34 分钟前
模型剪枝完全指南:从理论到实践,打造高效深度学习模型
人工智能·算法·机器学习·剪枝·模型加速
几司1 小时前
OpenISP 模块拆解 · 第11讲:非局部均值降噪 (NLM)
人工智能·算法·均值算法·isp