14.1
14.1 二分查找(非递归) package com.atguigu.binarysearchnorecursion; public class BinarySearchNoRecur { public static void main(String[] args) { //测试 int[] arr = {1,3, 8, 10, 11, 67, 100}; int index = binarySearch(arr, 100); System.out.println("index=" + index);// } //二分查找的非递归实现 * @param arr 待查找的数组, arr是升序排序 * @param target 需要查找的数 * @return 返回对应下标,-1表示没有找到 public static int binarySearch(int[] arr, int target) { int left = 0; int right = arr.length - 1; while(left <= right) { //说明继续查找 int mid = (left + right) / 2; if(arr[mid] == target) { return mid; } else if ( arr[mid] > target) { right = mid - 1;//需要向左边查找 } else { left = mid + 1; //需要向右边查找 } } return -1; } }
14.2 汉诺塔
14.2 分治算法:将复杂问题分解为多个相似的子问题,原问题的解即子问题解的合并。 汉诺塔的移动: (1)先判断n = 1 的情况; (2)再判断n>=2 的情况:将所有上面的看做一层,最下面的看做一层; 1. 先将所有上面的A移动到B,中间会用到c; 2. 将最下面的A移动到C; 3. 将B塔所有的盘移动到C; //汉诺塔的移动的方法 package Test01; public class tt { public static void main(String[] args) { hanoiTower(10, ‘A‘, ‘B‘, ‘C‘); } //使用分治算法 public static void hanoiTower(int num, char a, char b, char c) { //如果只有一个盘 if(num == 1) { System.out.println("第1个盘从 " + a + "->" + c); } else { // n >= 2 情况:1.最下边的一个盘 2. 上面的所有盘 hanoiTower(num - 1, a, c, b);//1. 先把 最上面的所有盘 A->B System.out.println("第" + num + "个盘从 " + a + "->" + c); hanoiTower(num - 1, b, a, c);//3. 把B塔的所有盘 从 B->C System.out.println("000"); } } }
14.3 动态规划
//14.3 动态规划问题 package Test01; public class Test01 { public static void main(String[] args) { int[] w = {1, 4, 3};//物品的重量 int[] val = {1500, 3000, 2000}; //物品的价值 这里val[i] 就是前面讲的v[i] int m = 4; //背包的容量 int n = val.length; //物品的个数 int[][] v = new int[n+1][m+1]; int[][] path = new int[n+1][m+1];//为了记录放入商品的情况,我们定一个二维数组 //初始化第一行和第一列 for(int i = 0; i < v.length; i++) { v[i][0] = 0; //将第一列设置为0 } for(int i=0; i < v[0].length; i++) { v[0][i] = 0; //将第一行设置0 } //根据前面得到公式来动态规划处理 for(int i = 1; i < v.length; i++) { //不处理第一行 i是从1开始的 for(int j=1; j < v[0].length; j++) {//不处理第一列, j是从1开始的 if(w[i-1]> j) { //程序i 从1开始的,因此w[i] 修改成 w[i-1] v[i][j]=v[i-1][j]; } else { if(v[i - 1][j] < val[i - 1] + v[i - 1][j - w[i - 1]]) { v[i][j] = val[i - 1] + v[i - 1][j - w[i - 1]]; path[i][j] = 1;//把当前的情况记录到path } else { v[i][j] = v[i - 1][j]; } } } } //输出一下v 看看目前的情况 for(int i =0; i < v.length;i++) { for(int j = 0; j < v[i].length;j++) { System.out.print(v[i][j] + " "); } System.out.println(); } System.out.println("============================"); int i = path.length - 1; //行的最大下标 int j = path[0].length - 1; //列的最大下标 while(i > 0 && j > 0 ) { //从path的最后开始找 if(path[i][j] == 1) { System.out.printf("第%d个商品放入到背包\n", i); j -= w[i-1]; //w[i-1] } i--; } }}
14.4 kmm算法
14.4 KMP搜索算法 import java.util.Arrays; public class tt { public static void main(String[] args) { String str1 = "BBC ABCDAB ABCDABCDABDE"; String str2 = "ABCDABD"; //String str2 = "BBC"; int[] next = kmpNext("ABCDABD"); //[0, 1, 2, 0] System.out.println("next=" + Arrays.toString(next)); int index = kmpSearch(str1, str2, next); System.out.println("index=" + index); // 15了 } //写出我们的kmp搜索算法 public static int kmpSearch(String str1, String str2, int[] next) { //遍历 for(int i = 0, j = 0; i < str1.length(); i++) { while( j > 0 && str1.charAt(i) != str2.charAt(j)) { j = next[j-1]; } if(str1.charAt(i) == str2.charAt(j)) { j++; } if(j == str2.length()) {//找到了 // j = 3 i return i - j + 1; } } return -1; } //获取到一个字符串(子串) 的部分匹配值表 public static int[] kmpNext(String dest) { int[] next = new int[dest.length()]; next[0] = 0; //如果字符串是长度为1 部分匹配值就是0 for(int i = 1, j = 0; i < dest.length(); i++) { while(j > 0 && dest.charAt(i) != dest.charAt(j)) { j = next[j-1]; } if(dest.charAt(i) == dest.charAt(j)) { j++; } next[i] = j; } return next; } }
14.5 贪心算法
14.5 贪心算法 package Test01; import java.util.ArrayList; import java.util.HashMap; import java.util.HashSet; public class tt { public static void main(String[] args) { //创建广播电台,放入到Map HashMap<String,HashSet<String>> broadcasts = new HashMap<String, HashSet<String>>(); //将各个电台放入到broadcasts HashSet<String> hashSet1 = new HashSet<String>(); hashSet1.add("北京"); hashSet1.add("上海"); hashSet1.add("天津"); HashSet<String> hashSet2 = new HashSet<String>(); hashSet2.add("广州"); hashSet2.add("北京"); hashSet2.add("深圳"); HashSet<String> hashSet3 = new HashSet<String>(); hashSet3.add("成都"); hashSet3.add("上海"); hashSet3.add("杭州"); HashSet<String> hashSet4 = new HashSet<String>(); hashSet4.add("上海"); hashSet4.add("天津"); HashSet<String> hashSet5 = new HashSet<String>(); hashSet5.add("杭州"); hashSet5.add("大连"); //加入到map broadcasts.put("K1", hashSet1); broadcasts.put("K2", hashSet2); broadcasts.put("K3", hashSet3); broadcasts.put("K4", hashSet4); broadcasts.put("K5", hashSet5); //allAreas 存放所有的地区 HashSet<String> allAreas = new HashSet<String>(); allAreas.add("北京"); allAreas.add("上海"); allAreas.add("天津"); allAreas.add("广州"); allAreas.add("深圳"); allAreas.add("成都"); allAreas.add("杭州"); allAreas.add("大连"); //创建ArrayList, 存放选择的电台集合 ArrayList<String> selects = new ArrayList<String>(); //定义一个临时的集合, 在遍历的过程中,存放遍历过程中的电台覆盖的地区和当前还没有覆盖的地区的交集 HashSet<String> tempSet = new HashSet<String>(); String maxKey = null; while(allAreas.size() != 0) { // 如果allAreas 不为0, 则表示还没有覆盖到所有的地区 maxKey = null; //遍历 broadcasts, 取出对应key for(String key : broadcasts.keySet()) { tempSet.clear(); HashSet<String> areas = broadcasts.get(key); tempSet.addAll(areas); tempSet.retainAll(allAreas); if(tempSet.size() > 0 && (maxKey == null || tempSet.size() >broadcasts.get(maxKey).size())){ maxKey = key; } } if(maxKey != null) { selects.add(maxKey); allAreas.removeAll(broadcasts.get(maxKey)); } } System.out.println("得到的选择结果是" + selects);//[K1,K2,K3,K5] } }
14.6普利姆算法
14.6普利姆算法 package Test01; import java.util.Arrays; public class tt { public static void main(String[] args) { //测试看看图是否创建ok char[] data = new char[]{‘A‘,‘B‘,‘C‘,‘D‘,‘E‘,‘F‘,‘G‘}; int verxs = data.length; //邻接矩阵的关系使用二维数组表示,10000这个大数,表示两个点不联通 int [][]weight=new int[][]{ {10000,5,7,10000,10000,10000,2}, {5,10000,10000,9,10000,10000,3}, {7,10000,10000,10000,8,10000,10000}, {10000,9,10000,10000,10000,4,10000}, {10000,10000,8,10000,10000,5,4}, {10000,10000,10000,4,5,10000,6}, {2,3,10000,10000,4,6,10000},}; MGraph graph = new MGraph(verxs); MinTree minTree = new MinTree(); minTree.createGraph(graph, verxs, data, weight); minTree.showGraph(graph); //测试普利姆算法 minTree.prim(graph, 1);// } } //创建最小生成树->村庄的图 class MinTree { //创建图的邻接矩阵,graph 图对象,verxs 图对应的顶点个数,verxs 图对应的顶点个数,data 图的各个顶点的值,weight 图的邻接矩阵 public void createGraph(MGraph graph, int verxs, char data[], int[][] weight) { int i, j; for(i = 0; i < verxs; i++) {//顶点 graph.data[i] = data[i]; for(j = 0; j < verxs; j++) { graph.weight[i][j] = weight[i][j]; } } } //显示图的邻接矩阵 public void showGraph(MGraph graph) { for(int[] link: graph.weight) { System.out.println(Arrays.toString(link)); } } //编写prim算法,得到最小生成树 public void prim(MGraph graph, int v) { //visited[] 标记结点(顶点)是否被访问过 int visited[] = new int[graph.verxs]; //visited[] 默认元素的值都是0, 表示没有访问过 visited[v] = 1; //把当前这个结点标记为已访问 int h1 = -1; int h2 = -1; int minWeight = 10000; //将 minWeight 初始成一个大数,在遍历过程中,会被替换 for(int k = 1; k < graph.verxs; k++) {//普利姆算法结束后,有 graph.verxs-1边 //这个是确定每一次生成的子图 ,和哪个结点的距离最近 for(int i = 0; i < graph.verxs; i++) {// i结点表示被访问过的结点 for(int j = 0; j< graph.verxs;j++) {//j结点表示还没有访问过的结点 if(visited[i] == 1 && visited[j] == 0 && graph.weight[i][j] < minWeight) { minWeight = graph.weight[i][j]; h1 = i; h2 = j; } } } //找到一条边是最小 System.out.println("边<" + graph.data[h1] + "," + graph.data[h2] + "> 权值:" + minWeight); //将当前这个结点标记为已经访问 visited[h2] = 1; minWeight = 10000; //minWeight 重新设置为最大值 10000 } } } class MGraph { int verxs; //表示图的节点个数 char[] data;//存放结点数据 int[][] weight; //存放边,就是我们的邻接矩阵 public MGraph(int verxs) { this.verxs = verxs; data = new char[verxs]; weight = new int[verxs][verxs]; } }
14.7
14.7 克鲁斯卡尔算法 package Test01; import java.util.Arrays; public class tt { private int edgeNum; //边的个数 private char[] vertexs; //顶点数组 private int[][] matrix; //邻接矩阵 //使用 INF 表示两个顶点不能连通 private static final int INF = Integer.MAX_VALUE; public static void main(String[] args) { char[] vertexs = {‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘, ‘G‘}; //克鲁斯卡尔算法的邻接矩阵 int matrix[][] = { { 0, 12, INF, INF, INF, 16, 14}, { 12, 0, 10, INF, INF, 7, INF}, { INF, 10, 0, 3, 5, 6, INF}, { INF, INF, 3, 0, 4, INF, INF}, { INF, INF, 5, 4, 0, 2, 8}, { 16, 7, 6, INF, 2, 0, 9}, { 14, INF, INF, INF, 8, 9, 0}}; //创建KruskalCase 对象实例 tt kruskalCase = new tt(vertexs, matrix); //输出构建的 kruskalCase.print(); kruskalCase.kruskal(); } //构造器 public tt(char[] vertexs, int[][] matrix) { //初始化顶点数和边的个数 int vlen = vertexs.length; //初始化顶点, 复制拷贝的方式 this.vertexs = new char[vlen]; for(int i = 0; i < vertexs.length; i++) { this.vertexs[i] = vertexs[i]; } //初始化边, 使用的是复制拷贝的方式 this.matrix = new int[vlen][vlen]; for(int i = 0; i < vlen; i++) { for(int j= 0; j < vlen; j++) { this.matrix[i][j] = matrix[i][j]; } } //统计边的条数 for(int i =0; i < vlen; i++) { for(int j = i+1; j < vlen; j++) { if(this.matrix[i][j] != INF) { edgeNum++; } } } } public void kruskal() { int index = 0; //表示最后结果数组的索引 int[] ends = new int[edgeNum]; //用于保存"已有最小生成树" 中的每个顶点在最小生成树中的终点 //创建结果数组, 保存最后的最小生成树 EData[] rets = new EData[edgeNum]; EData[] edges = getEdges(); System.out.println("图的边的集合=" + Arrays.toString(edges) + " 共"+ edges.length); sortEdges(edges);//按照边的权值大小进行排序(从小到大) for(int i=0; i < edgeNum; i++) { int p1 = getPosition(edges[i].start); //p1=4 int p2 = getPosition(edges[i].end); //p2 = 5 int m = getEnd(ends, p1); //m = 4 int n = getEnd(ends, p2); // n = 5 //是否构成回路 if(m != n) { //没有构成回路 ends[m] = n; rets[index++] = edges[i]; //有一条边加入到rets数组 } } System.out.println("最小生成树为"); for(int i = 0; i < index; i++) { System.out.println(rets[i]); } } //打印邻接矩阵 public void print() { System.out.println("邻接矩阵为: \n"); for(int i = 0; i < vertexs.length; i++) { for(int j=0; j < vertexs.length; j++) { System.out.printf("%12d", matrix[i][j]); } System.out.println();//换行 } } // 功能:对边进行排序处理, 冒泡排序 // @param edges 边的集合 private void sortEdges(EData[] edges) { for(int i = 0; i < edges.length - 1; i++) { for(int j = 0; j < edges.length - 1 - i; j++) { if(edges[j].weight > edges[j+1].weight) {//交换 EData tmp = edges[j]; edges[j] = edges[j+1]; edges[j+1] = tmp; } } } } // @param ch 顶点的值,比如‘A‘,‘B‘ // @return 返回ch顶点对应的下标,如果找不到,返回-1 private int getPosition(char ch) { for(int i = 0; i < vertexs.length; i++) { if(vertexs[i] == ch) {//找到 return i; } } return -1;//找不到,返回-1 } //功能: 获取图中边,放到EData[] 数组中,后面我们需要遍历该数组 private EData[] getEdges() { int index = 0; EData[] edges = new EData[edgeNum]; for(int i = 0; i < vertexs.length; i++) { for(int j=i+1; j <vertexs.length; j++) { if(matrix[i][j] != INF) { edges[index++] = new EData(vertexs[i], vertexs[j], matrix[i][j]); } } } return edges; } private int getEnd(int[] ends, int i) { // i = 4 [0,0,0,0,5,0,0,0,0,0,0,0] while(ends[i] != 0) { i = ends[i]; } return i; } } //创建一个类EData ,它的对象实例就表示一条边 class EData { char start; //边的一个点 char end; //边的另外一个点 int weight; //边的权值 //构造器 public EData(char start, char end, int weight) { this.start = start; this.end = end; this.weight = weight; } //重写toString, 便于输出边信息 @Override public String toString() { return "EData [<" + start + ", " + end + ">= " + weight + "]"; } }
14.8
14.8 迪杰斯特拉算法 package Test01; import java.util.Arrays; public class tt { public static void main(String[] args) { char[] vertex = { ‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘, ‘G‘ }; //邻接矩阵 int[][] matrix = new int[vertex.length][vertex.length]; final int N = 65535;// 表示不可以连接 matrix[0]=new int[]{N,5,7,N,N,N,2}; matrix[1]=new int[]{5,N,N,9,N,N,3}; matrix[2]=new int[]{7,N,N,N,8,N,N}; matrix[3]=new int[]{N,9,N,N,N,4,N}; matrix[4]=new int[]{N,N,8,N,N,5,4}; matrix[5]=new int[]{N,N,N,4,5,N,6}; matrix[6]=new int[]{2,3,N,N,4,6,N}; //创建 Graph对象 Graph graph = new Graph(vertex, matrix); //测试, 看看图的邻接矩阵是否ok graph.showGraph(); //测试迪杰斯特拉算法 graph.dsj(2);//C graph.showDijkstra(); } } class Graph { private char[] vertex; // 顶点数组 private int[][] matrix; // 邻接矩阵 private VisitedVertex vv; //已经访问的顶点的集合 // 构造器 public Graph(char[] vertex, int[][] matrix) { this.vertex = vertex; this.matrix = matrix; } //显示结果 public void showDijkstra() { vv.show(); } // 显示图 public void showGraph() { for (int[] link : matrix) { System.out.println(Arrays.toString(link)); } } //迪杰斯特拉算法实现 /** * @param index 表示出发顶点对应的下标 */ public void dsj(int index) { vv = new VisitedVertex(vertex.length, index); update(index);//更新index顶点到周围顶点的距离和前驱顶点 for(int j = 1; j <vertex.length; j++) { index = vv.updateArr();// 选择并返回新的访问顶点 update(index); // 更新index顶点到周围顶点的距离和前驱顶点 } } //更新index下标顶点到周围顶点的距离和周围顶点的前驱顶点, private void update(int index) { int len = 0; //根据遍历我们的邻接矩阵的 matrix[index]行 for(int j = 0; j < matrix[index].length; j++) { // len : 出发顶点到index顶点的距离 + 从index顶点到j顶点的距离的和 len = vv.getDis(index) + matrix[index][j]; if(!vv.in(j) && len < vv.getDis(j)) { vv.updatePre(j, index); //更新j顶点的前驱为index顶点 vv.updateDis(j, len); //更新出发顶点到j顶点的距离 } } } } // 已访问顶点集合 class VisitedVertex { public int[] already_arr; public int[] pre_visited; public int[] dis; //构造器 * @param length :表示顶点的个数 * @param index: 出发顶点对应的下标, 比如G顶点,下标就是6 public VisitedVertex(int length, int index) { this.already_arr = new int[length]; this.pre_visited = new int[length]; this.dis = new int[length]; //初始化 dis数组 Arrays.fill(dis, 65535); this.already_arr[index] = 1; //设置出发顶点被访问过 this.dis[index] = 0;//设置出发顶点的访问距离为0 } // 功能: 判断index顶点是否被访问过 public boolean in(int index) { return already_arr[index] == 1; } // 功能: 更新出发顶点到index顶点的距离 public void updateDis(int index, int len) { dis[index] = len; } // 功能: 更新pre这个顶点的前驱顶点为index顶点 public void updatePre(int pre, int index) { pre_visited[pre] = index; } // 功能:返回出发顶点到index顶点的距离 public int getDis(int index) { return dis[index]; } public int updateArr() { int min = 65535, index = 0; for(int i = 0; i < already_arr.length; i++) { if(already_arr[i] == 0 && dis[i] < min ) { min = dis[i]; index = i; } } //更新 index 顶点被访问过 already_arr[index] = 1; return index; } public void show() { System.out.println("=========================="); //输出already_arr for(int i : already_arr) { System.out.print(i + " "); } System.out.println(); //输出pre_visited for(int i : pre_visited) { System.out.print(i + " "); } System.out.println(); //输出dis for(int i : dis) { System.out.print(i + " "); } System.out.println(); //为了好看最后的最短距离,我们处理 char[] vertex = { ‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘, ‘G‘ }; int count = 0; for (int i : dis) { if (i != 65535) { System.out.print(vertex[count] + "("+i+") "); } else { System.out.println("N "); } count++; } System.out.println(); } }
14.9 弗洛伊德
14.9 弗洛伊德算法 import java.util.Arrays; public class tt { public static void main(String[] args) { // 测试看看图是否创建成功 char[] vertex = { ‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘, ‘G‘ }; //创建邻接矩阵 int[][] matrix = new int[vertex.length][vertex.length]; final int N = 65535; matrix[0] = new int[] { 0, 5, 7, N, N, N, 2 }; matrix[1] = new int[] { 5, 0, N, 9, N, N, 3 }; matrix[2] = new int[] { 7, N, 0, N, 8, N, N }; matrix[3] = new int[] { N, 9, N, 0, N, 4, N }; matrix[4] = new int[] { N, N, 8, N, 0, 5, 4 }; matrix[5] = new int[] { N, N, N, 4, 5, 0, 6 }; matrix[6] = new int[] { 2, 3, N, N, 4, 6, 0 }; Graph graph = new Graph(vertex.length, matrix, vertex); //调用弗洛伊德算法 graph.floyd(); graph.show(); } } // 创建图 class Graph { private char[] vertex; // 存放顶点的数组 private int[][] dis; // 保存各个顶点出发到其它顶点的距离,最后的结果也保留在该数组 private int[][] pre;// 保存到达目标顶点的前驱顶点 // 构造器 public Graph(int length, int[][] matrix, char[] vertex) { this.vertex = vertex; this.dis = matrix; this.pre = new int[length][length]; // 对pre数组初始化, 注意存放的是前驱顶点的下标 for (int i = 0; i < length; i++) { Arrays.fill(pre[i], i); } } // 显示pre数组和dis数组 public void show() { //为了显示便于阅读,我们优化一下输出 char[] vertex = { ‘A‘, ‘B‘, ‘C‘, ‘D‘, ‘E‘, ‘F‘, ‘G‘ }; for (int k = 0; k < dis.length; k++) { // 先将pre数组输出的一行 for (int i = 0; i < dis.length; i++) { System.out.print(vertex[pre[k][i]] + " "); } System.out.println(); for (int i = 0; i < dis.length; i++) { System.out.print("("+vertex[k]+"到"+vertex[i]+"的最短路径是" + dis[k][i] + ") "); } System.out.println(); System.out.println(); } } //弗洛伊德算法, 比较容易理解,而且容易实现 public void floyd() { int len = 0; //变量保存距离 for(int k = 0; k < dis.length; k++) { for(int i = 0; i < dis.length; i++) { //到达j顶点 // [A, B, C, D, E, F, G] for(int j = 0; j < dis.length; j++) { len = dis[i][k] + dis[k][j];// => 求出从i 顶点出发,经过 k中间顶点,到达 j 顶点距离 if(len < dis[i][j]) {//如果len小于 dis[i][j] dis[i][j] = len;//更新距离 pre[i][j] = pre[k][j];//更新前驱顶点 } } } } } }
14.10 马踏棋盘
14.10 马踏棋盘 import java.awt.Point; import java.util.ArrayList; import java.util.Comparator; public class tt { private static int X; // 棋盘的列数 private static int Y; // 棋盘的行数 private static boolean visited[]; private static boolean finished; // 如果为true,表示成功 public static void main(String[] args) { System.out.println("骑士周游算法,开始运行~~"); X = 8; Y = 8; int row = 1; //马儿初始位置的行,从1开始编号 int column = 1; //马儿初始位置的列,从1开始编号 int[][] chessboard = new int[X][Y]; visited = new boolean[X * Y];//初始值都是false long start = System.currentTimeMillis(); traversalChessboard(chessboard, row - 1, column - 1, 1); long end = System.currentTimeMillis(); System.out.println("共耗时: " + (end - start) + " 毫秒"); for(int[] rows : chessboard) { for(int step: rows) { System.out.print(step + "\t"); } System.out.println(); } } / * 完成骑士周游问题的算法 * @param chessboard 棋盘 * @param row 马儿当前的位置的行 从0开始 * @param column 马儿当前的位置的列 从0开始 * @param step 是第几步 ,初始位置就是第1步 */ public static void traversalChessboard(int[][] chessboard, int row, int column, int step) { chessboard[row][column] = step; visited[row * X + column] = true; //标记该位置已经访问 ArrayList<Point> ps = next(new Point(column, row)); sort(ps); while(!ps.isEmpty()) { Point p = ps.remove(0);//取出下一个可以走的位置 if(!visited[p.y * X + p.x]) {//说明还没有访问过 traversalChessboard(chessboard, p.y, p.x, step + 1); } } //判断马儿是否完成了任务,使用 step 和应该走的步数比较 , //如果没有达到数量,则表示没有完成任务,将整个棋盘置0 //说明: step < X * Y 成立的情况有两种 //1. 棋盘到目前位置,仍然没有走完 //2. 棋盘处于一个回溯过程 if(step < X * Y && !finished ) { chessboard[row][column] = 0; visited[row * X + column] = false; } else { finished = true; } } public static ArrayList<Point> next(Point curPoint) { ArrayList<Point> ps = new ArrayList<Point>(); Point p1 = new Point(); if((p1.x = curPoint.x - 2) >= 0 && (p1.y = curPoint.y -1) >= 0) { ps.add(new Point(p1)); } if((p1.x = curPoint.x - 1) >=0 && (p1.y=curPoint.y-2)>=0) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x + 1) < X && (p1.y = curPoint.y - 2) >= 0) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x + 2) < X && (p1.y = curPoint.y - 1) >= 0) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x + 2) < X && (p1.y = curPoint.y + 1) < Y) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x + 1) < X && (p1.y = curPoint.y + 2) < Y) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x - 1) >= 0 && (p1.y = curPoint.y + 2) < Y) { ps.add(new Point(p1)); } if ((p1.x = curPoint.x - 2) >= 0 && (p1.y = curPoint.y + 1) < Y) { ps.add(new Point(p1)); } return ps; } public static void sort(ArrayList<Point> ps) { ps.sort(new Comparator<Point>() { @Override public int compare(Point o1, Point o2) { int count1 = next(o1).size(); int count2 = next(o2).size(); if(count1 < count2) { return -1; } else if (count1 == count2) { return 0; } else { return 1; } } }); } }
原文地址:https://www.cnblogs.com/chengxiaofeng/p/11329827.html
时间: 2024-09-28 02:40:43