HDU 4022 Bombing

本文介绍了一种使用STL解决特殊游戏问题的方法。通过利用map和multiset数据结构,该算法能高效地处理一系列炸弹爆炸对二维平面上点的影响,并快速计算每次爆炸消除的点数。

题目大意,给如N个点(x,y),再给出M个炸弹,每次可以炸横的一整排或者竖直方向一整排,

输出每个炸弹炸毁多少个点

网上发现一段超精湛的STL做法.学习一下

用map,将横竖坐标分别映射到一个multiset,然后做相应的维护即可

每次输出即是输出整个set的大小

#include<cstdio>
#include<cstring>
#include<string>
#include<iostream>
#include<algorithm>
#include<map>
#include<set>
#include<iterator>
using namespace std;
typedef map<int,multiset<int> > def;

void pop(def &a,def &b,int k)
{
    printf("%d\n",a[k].size());
    for(multiset<int>::iterator i=a[k].begin();i!=a[k].end();i++)
        b[*i].erase(k);
    a[k].clear();
}

int main()
{
    int n,m,x,y;
    while(1)
    {
        scanf("%d%d",&n,&m);
        if(n==0&&m==0)return 0;
        def h;def l;
        for(int i=0;i<n;i++)
        {
            scand("%d%d",&x,&y);
            h[x].insert(y);
            l[y].insert(x);
        }
        for(int j=0;j<m;j++)
        {
            scan_d(x);
            scan_d(y);
            if(x==0)
                pop(h,l,y);
            else
                pop(l,h,y);
        }
        printf("\n");
    }
    return 0;
}


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
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
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