贪心——封印

封印一击
——————————————————————————————————————————————
考试状态不好,一时间没想到这么贪
本题贪心很好证,用图像就可以证明最优情况只能是两端点,这里不证明了
——————————————————————————————————————————————

#include<bits/stdc++.h>
using namespace std;

typedef long long ll;
const int N=100010;
ll ans=0,thsum=0;
int summ=0,n,a[N],b[N],ansn;
struct mes{
	int c,id;
}q[N*2];
bool cmp(mes x,mes y){
	return x.c<y.c;
}
int main(){
	scanf("%d",&n);
	for(int i=1;i<=n;i++)
	{
		scanf("%d%d",&a[i],&b[i]);
		thsum+=1ll*a[i];
		q[i].c=a[i];q[i].id=1;q[i+n].c=b[i];q[i+n].id=-1;
	}
	sort(q+1,q+2*n+1,cmp);
	for(int i=1;i<=2*n;i++){
	    if(q[i].id==1){summ++;thsum-=q[i].c;}
	    if(ans<1ll*(1ll*thsum+1ll*summ*q[i].c)){
	    	ans=1ll*(1ll*thsum+1ll*summ*q[i].c);
	    	ansn=q[i].c;
	    }
		if(q[i].id==-1){summ--;}
		
	}
	printf("%d %lld",ansn,ans);
} 
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