【C++BFS算法】909. 蛇梯棋|2019

【C++BFS算法】909. 蛇梯棋|2019

本文涉及知识点

C++BFS算法

LeetCode909. 蛇梯棋

给你一个大小为 n x n 的整数矩阵 board ,方格按从 1 到 n2 编号,编号遵循 转行交替方式 ,从左下角开始 (即,从 board[n - 1][0] 开始)的每一行改变方向。
你一开始位于棋盘上的方格 1。每一回合,玩家需要从当前方格 curr 开始出发,按下述要求前进:
选定目标方格 next ,目标方格的编号在范围 [curr + 1, min(curr + 6, n2)] 。
该选择模拟了掷 六面体骰子 的情景,无论棋盘大小如何,玩家最多只能有 6 个目的地。
传送玩家:如果目标方格 next 处存在蛇或梯子,那么玩家会传送到蛇或梯子的目的地。否则,玩家传送到目标方格 next 。
当玩家到达编号 n2 的方格时,游戏结束。
如果 board[r][c] != -1 ,位于 r 行 c 列的棋盘格中可能存在 “蛇” 或 “梯子”。那个蛇或梯子的目的地将会是 board[r][c]。编号为 1 和 n2 的方格不是任何蛇或梯子的起点。
注意,玩家在每回合的前进过程中最多只能爬过蛇或梯子一次:就算目的地是另一条蛇或梯子的起点,玩家也 不能 继续移动。
举个例子,假设棋盘是 [[-1,4],[-1,3]] ,第一次移动,玩家的目标方格是 2 。那么这个玩家将会顺着梯子到达方格 3 ,但 不能 顺着方格 3 上的梯子前往方格 4 。(简单来说,类似飞行棋,玩家掷出骰子点数后移动对应格数,遇到单向的路径(即梯子或蛇)可以直接跳到路径的终点,但如果多个路径首尾相连,也不能连续跳多个路径)
返回达到编号为 n2 的方格所需的最少移动次数,如果不可能,则返回 -1。
示例 1:
输入:board = [[-1,-1,-1,-1,-1,-1],[-1,-1,-1,-1,-1,-1],[-1,-1,-1,-1,-1,-1],[-1,35,-1,-1,13,-1],[-1,-1,-1,-1,-1,-1],[-1,15,-1,-1,-1,-1]]

在这里插入图片描述

输出:4
解释:
首先,从方格 1 [第 5 行,第 0 列] 开始。
先决定移动到方格 2 ,并必须爬过梯子移动到到方格 15 。
然后决定移动到方格 17 [第 3 行,第 4 列],必须爬过蛇到方格 13 。
接着决定移动到方格 14 ,且必须通过梯子移动到方格 35 。
最后决定移动到方格 36 , 游戏结束。
可以证明需要至少 4 次移动才能到达最后一个方格,所以答案是 4 。
示例 2:
输入:board = [[-1,-1],[-1,3]]
输出:1
提示:
n == board.length == board[i].length
2 <= n <= 20
board[i][j] 的值是 -1 或在范围 [1, n2] 内
编号为 1 和 n2 的方格上没有蛇或梯子

BFS 最短路

一,计算快捷路径
jump = {0}
for r = 0 to R-1
r1 = R-1-r
如果r是偶数,将grid[r1]追加到jump中;否则,grid[r1]颠倒后追加到jump中。
二,建立临接表
for( j = i+1 to min(i+6,nn))
如果jump[j]是-1,则j是i的临接点,否则jump[j]是i的临接点。
三,BFS最短路。

代码

核心代码

classCBFSDis{public:CBFSDis(vector<vector<int>>& vNeiB, vector<int> start){ m_vDis.assign(vNeiB.size(), m_iNotMayDis); queue<int> que;for(constauto& n : start){ m_vDis[n]=0; que.emplace(n);}while(que.size()){constint cur = que.front(); que.pop();for(constauto next : vNeiB[cur]){if(m_iNotMayDis != m_vDis[next]){continue;} m_vDis[next]= m_vDis[cur]+1; que.emplace(next);}}}public:constint m_iNotMayDis =1e9; vector<int> m_vDis;};classSolution{public:intsnakesAndLadders(vector<vector<int>>& board){constint R = board.size(); vector<int> jump ={0};for(int r =0; r < R; r++){constint r1 = R -1- r;if(r &1){ jump.insert(jump.end(), board[r1].rbegin(), board[r1].rend());}else{ jump.insert(jump.end(), board[r1].begin(), board[r1].end());}} vector<vector<int>>neiBo(R * R +1);for(int i =1; i <= R * R; i++){for(int j = i +1; j <=min(i +6, R * R); j++){if(-1== jump[j]){ neiBo[i].emplace_back(j);}else{ neiBo[i].emplace_back(jump[j]);}}} CBFSDis dis(neiBo,{1});return(dis.m_iNotMayDis== dis.m_vDis.back())?-1:dis.m_vDis.back();}};

单元测试

vector<vector<int>> board;TEST_METHOD(TestMethod11){ board ={{-1,-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1,-1},{-1,-1,-1,-1,-1,-1},{-1,35,-1,-1,13,-1},{-1,-1,-1,-1,-1,-1},{-1,15,-1,-1,-1,-1}};auto res =Solution().snakesAndLadders(board);AssertEx(4, res);}TEST_METHOD(TestMethod12){ board ={{-1,-1},{-1,3}};auto res =Solution().snakesAndLadders(board);AssertEx(1, res);}

扩展阅读

我想对大家说的话
工作中遇到的问题,可以按类别查阅鄙人的算法文章,请点击《算法与数据汇总》。
学习算法:按章节学习《喜缺全书算法册》,大量的题目和测试用例,打包下载。重视操作
有效学习:明确的目标 及时的反馈 拉伸区(难度合适) 专注
闻缺陷则喜(喜缺)是一个美好的愿望,早发现问题,早修改问题,给老板节约钱。
子墨子言之:事无终始,无务多业。也就是我们常说的专业的人做专业的事。
如果程序是一条龙,那算法就是他的是睛
失败+反思=成功 成功+反思=成功

视频课程

先学简单的课程,请移步ZEEKLOG学院,听白银讲师(也就是鄙人)的讲解。
https://edu.ZEEKLOG.net/course/detail/38771
如何你想快速形成战斗了,为老板分忧,请学习C#入职培训、C++入职培训等课程
https://edu.ZEEKLOG.net/lecturer/6176

测试环境

操作系统:win7 开发环境: VS2019 C++17
或者 操作系统:win10 开发环境: VS2022 C++17
如无特殊说明,本算法用**C++**实现。

Read more

AI产品经理资源合集

AI应用开发工程师大模型11期 * 文件大小: 8.3GB * 内容特色: 大模型开发全流程,含微调/部署/评估 * 适用人群: AI开发工程师、算法研究者、LLM实战者 * 核心价值: 8.3GB体系化资料,一站掌握大模型落地技能 * 下载链接: https://pan.quark.cn/s/d798e3fbd811 产品经理涅槃实战训练营: 开发数据产品+AI产品通关上岸 * 文件大小: 9.9GB * 内容特色: 9.9GB全流程数据+AI产品实战,含开发到落地 * 适用人群: 想转行/晋级的产品经理、数据与AI项目参与者 * 核心价值: 一套通关训练营,带练真实项目,简历即作品 * 下载链接: https://pan.quark.cn/s/9fc345e6eda4

By Ne0inhk
AI时代的技术民主化:为什么文科生可能成为最大受益者?

AI时代的技术民主化:为什么文科生可能成为最大受益者?

✨道路是曲折的,前途是光明的! 📝 专注C/C++、Linux编程与人工智能领域,分享学习笔记! 🌟 感谢各位小伙伴的长期陪伴与支持,欢迎文末添加好友一起交流! 当技术门槛被无限降低,真正有价值的不再是"怎么写代码",而是"想做什么" 01 一个被忽视的趋势 过去一年,我观察到一个有趣的现象:那些在AI浪潮中赚得盆满钵满的人,并不是技术背景最深厚的那批。 相反,他们中有学中文的、学设计的、学市场营销的。他们有一个共同特点——擅长理解人,擅长讲故事,擅长发现需求。 而这,恰恰是AI目前做不到的。 02 从"技术壁垒"到"创意壁垒" 传统开发流程 vs AI辅助流程 让我们看看传统的产品开发流程与现在的对比: 关键洞察:传统模式下,"想法&

By Ne0inhk
【AI】学习大语言模型原理必看的 10 篇论文

【AI】学习大语言模型原理必看的 10 篇论文

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人等方向学习者 ❄️个人专栏:《AI》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、Transformer * 二、GPT-3 * 三、InstructGPT * 四、Sparrow * 五、RLHF * 六、TATAMER * 七、PPO * 八、In-Context Learning * 8.1 Why Can GPT Learn In-Context * 8.2 What learning algorithm is in-context learning * 九、Prompt * 总结 前言 从 Transformer

By Ne0inhk
OpenClaw,重新定义AI Agent,一款真正可用的个人智能助手操作系统

OpenClaw,重新定义AI Agent,一款真正可用的个人智能助手操作系统

引言:AI Agent的“尴尬”,框架遍地,实用者寥寥 在过去两年里,AI Agent无疑是人工智能领域最受关注的方向之一。从AutoGPT的横空出世,到LangChain成为开发者构建智能体的标配工具,再到CrewAI、MetaGPT等多智能体框架不断涌现,整个行业都在疯狂探索一个核心命题,如何让大模型从单纯的对话工具,变成能够独立思考、自主执行任务、真正帮人类解决问题的智能助手。理论上,这些框架都给出了看似完美的答案,提供了丰富的组件、灵活的工作流、强大的扩展能力,可当普通用户真正想要一个能7×24小时在线、稳定运行、记住所有偏好、随手就能使唤的AI助手时,却会发现现实和理想之间存在巨大的鸿沟。 我们期待的AI助手,应该是能无缝接入日常使用的聊天软件,不管是WhatsApp、Telegram还是Slack,随时发消息就能让它查天气、读邮件、写脚本、控制浏览器、设置会议提醒。它应该记得你说过的每一件重要的事,适应你的使用习惯,不需要复杂配置,也不需要编写一行代码。可现实是,现有的绝大多数Agent框架,都更像是面向工程师的开发工具,而非面向普通人的实用产品。它们擅长提供搭建智能体

By Ne0inhk