8256: FANG FANG

探讨了如何确定一个特定字符串能被最少数量的'Fn'形式表示的问题,提出了一种算法策略,通过记录字符串中'f'和'c'的位置来解决此问题,并详细解释了实现过程。

传送门

题意:给出一个字符串,问最少能用几个Fn表示,输出最小数目,若不能则输出-1。

坑点:输入的字符串中可以含除‘c’和‘f’外的其他字符

思路:

先将前面的f记录,从第一个c开始处理,看跟在后面的f的数目是否大于等于2,最前面的f加在最后的c上。若果大于2则temp++,否则无法组成输出-1.

#include <bits/stdc++.h>
#define ll long long
using namespace std;
char s[1000010];
int main()
{
     int t;
     scanf("%d",&t);
     for(int k=1;k<=t;k++)
     {
         scanf("%s",s);
         printf("Case #%d: ",k);
         int l=strlen(s),flag=1,fq=0;
         for(int i=0;i<l;i++)
         {
             if(s[i]!='f'&&s[i]!='c')
             {
                  printf("-1\n");
                  flag=0;
                  break;
             }
         }
         if(!flag)
            continue;
         int i;
         for(i=0;i<l;i++)
            if(s[i]=='c')
              break;
            else
              fq++;
         if(i>=l){
           printf("%d\n",fq/2+fq%2);
           continue;
         }
         int temp=0;
         for(int j=i;j<l;)
         {
             int f=j+1;
             while(s[f]!='c'&&f<l)
               f++;
             int num=f-j-1;
             if(f>=l)
               num+=fq;
             if(num<2)
             {
                 temp=-1;
                 break;
             }
             temp++;
             j=f;
         }
         printf("%d\n",temp);
     }
}

 

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

2020/3/16

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值