UVA - 10635 —— Prince and Princess

本文探讨了一个在最长公共子序列问题上的优化策略,通过利用字符串中字符唯一的特点,将问题转换为求最长递增子序列,从而实现更高效的解决方式。通过实例代码演示了从原始问题到优化问题的转化过程,并提供了相应的C++实现。
题目: http://acm.hust.edu.cn/vjudge/problem/viewProblem.action?id=19051

首先,这题一看就知道是——最长公共子序列(LCS)

但是,会发现这道题的字符串长度可能达到62500,我们现在会的LCS的解法时间复杂度为O(n^2),所以是会超时的。

那么,这时候就要想:题目有没有给出更多的条件给我们,让我们能够在更快地时间内完成任务呢?

还真有!题目有一个反复强调的条件,就是:一个字符串的全部字符都是不同的!

所以,我们可以这样:

(1).将第一个字符串的每一个字符一一映射到1~n

(2).对于第二个字符串的每一个字符,

  ①若该字符在第一个字符串中出现过,那么就将该字符转化为它在(1)中所映射的字符;

  ②否则,就将该字符删去

这样,我们就得到了新的两个字符串,第一个字符串为1~n,第二个字符串完全由1~n内的字符构成,但是顺序却不是升序的。

这个时候,我们会发现一个很奇妙的事情:

  这时,两个字符串的LCS其实就是第二个字符串的LIS!

于是,一个LCS问题,因为字符串的字符均不同这一条件,被转化为一个LIS问题,而LIS问题可以有O(nlgn)时间复杂度的算法!

#include <cstdio>
#include <iostream>
#include <map>
#include <algorithm>
using namespace std;

const int MAXN = 62505;
int a[MAXN], c[MAXN];

int LIS(int *a, int len)
{
    for(int i=0; i<len; i++)    c[i] = MAXN;
    
    for(int i=0; i<len; i++) {
        *lower_bound(c, c+len, a[i]) = a[i];
    }
    return lower_bound(c, c+len, MAXN) - c;
}

int main ()
{
    int t, n, P, Q, q, x;
    scanf("%d", &t);
    for(int kase=1; kase<=t; kase++) {
        scanf("%d%d%d", &n, &P, &q);
        map<int, int> mp;
        for(int i=0; i<P+1; i++) {
            scanf("%d", &x);
            mp[x] = i;
        }
        Q = 0;
        for(int i=0; i<q+1; i++) {
            scanf("%d", &x);
            if(mp.find(x) != mp.end()) {
                a[Q++] = mp[x];
            }
        }
        printf("Case %d: %d\n", kase, LIS(a, Q));
    }

    return 0;
}

 

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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
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