JNUOJ 1032 - 食物处理器

本文介绍了一个关于土豆块处理的问题及解决思路。问题描述为:给定一个处理器,它每秒可以处理长度为k的土豆块,小明有n块长度不等的土豆,要将这些土豆依次放入处理器进行处理,直至所有土豆被处理完毕。文章提供了两种实现思路,并讨论了不同处理方式对程序效率的影响。
小明喜欢把土豆块放在食物处理器中处理。长度不超过H的土豆块放入处理器中,处理器每秒处理长度为k(即土豆块长度减少k)。如果土豆块长度小于k,土豆块会被完全处理掉。

小明有n块土豆,第i块土豆的长度为ai 。小明把这些土豆块一块一块地从编号1到n地放入处理器中。每秒钟处理器中都发生着以下事情:

如果有至少一块剩余的土豆,小明一个接一个地把土豆块放在处理器中,直到没有足够的空间放下一块。

Input
第一行n, h , k (1≤n≤100?000,1≤k≤h≤10^9)

第二行n个ai (1≤ai≤h)

Output
处理完所有土豆花费的时间

Sample Input
5 6 3
5 4 3 2 1
5 6 3
5 5 5 5 5
5 6 3
1 2 1 1 1

Sample Output
5
10
2
 
 
 
对题目加一点描述(我会说我第一次看这个题目愣是没看懂???):只有一个处理器,每时每刻都在处理,处理完的部分长度就消失了,空出来的长度能够放得下下一个,就可以放新的,小明放土豆的时间趋于零。

考虑的情况就是两步反复循环:
①先把从当前位置开始,把所有能放的进去的土豆都放进去。
②机器处理一下,同时计算一下耗时。

但是值得注意的是,本体的时间限制,如下的代码是会超时的:
#include<stdio.h>
int main()
{
int n,h,k,p[100005];
while(scanf("%d %d %d",&n,&h,&k)==3){
int i,time=0,ct=0;
for(i=0;i<n;i++) scanf("%d",&p[i]);p[i]=0;
ct
=p[i=0];//先把第一个土豆放进去
while(i<n){
while(ct+p[i+1]<=h && p[i+1]!=0) ct+=p[++i];//①
ct
-=k;if(ct<0) ct=0;time++;//处理器处理一秒
if(i==n-1 && ct==0) break;//判断是不是土豆已经被完全处理完
}
printf
("%d\n",time);
}
}
因为n可以很大,如果每次只处理掉1秒的(呱),那么循环次数太多就太慢。
因而要把“处理器处理一秒”改作②:
#include<stdio.h>
int main()
{
int n,h,k,p[100001];
while(scanf("%d %d %d",&n,&h,&k)!=EOF){
int i,time=0,ct=0;
for(i=0;i<n;i++) scanf("%d",&p[i]);p[i]=0;
ct
=p[i=0];
while(i<n){
while(ct+p[i+1]<=h && p[i+1]!=0) ct+=p[++i];//①
if(ct>k) {time+=ct/k;ct%=k;}
else {ct=0;time++;} //②处理器处理多秒
if(i==n-1 && ct==0) break; //判断是不是土豆已经被完全处理完
}
printf
("%d\n",time);
}
}

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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