PAT甲级 1078 Hashing

PAT甲级 1078 Hashing 解析

原题链接:

https://pintia.cn/problem-sets/994805342720868352/exam/problems/type/7?problemSetProblemId=994805389634158592&page=0

注意点:

  1. Quadratic probing (with positive increments only) 平方探测的概念理解。

代码:

#include <iostream>
#include <vector>
using namespace std;

#define endl '\n'

const int maxM = 1e5;
int M, N, T;
int nums[maxM];
int pos[maxM];
vector<int> ans;

vector<int> isPrime(maxM,1);
int findT(int x) {
	//制作素数表
	isPrime[0] = 0;
	isPrime[1] = 0;
	for (int i = 2; i < maxM; i++) {
		for (int j = 2; i * j < maxM; j++) {
			isPrime[i * j] = 0;
		}
	}

	while (!isPrime[x]) {
		x++;
	}

	return x;
	
}

int quadraticProbe(int x) {//x%T被占据,进行平方探测法
	int start = x % T;
	for (int i = 0; i<T; i++) {
		int possiblePos = (start + i * i) % T;
		if (pos[possiblePos] == 0) {//找到了
			pos[possiblePos] = x;
			return possiblePos;
		}
	}
	return -1;
}

signed main() {
	ios::sync_with_stdio(0), cin.tie(0), cout.tie(0);

	cin >> M >> N;
	T=findT(M);
	//cout << "T:" << T << endl;
	for (int i = 0; i < N; i++) {
		cin >> nums[i];
		ans.push_back(quadraticProbe(nums[i]));
	}

	for (int i = 0; i < ans.size(); i++) {
		if (ans[i] >= 0) {
			cout << ans[i];
		}
		else {
			cout << "-";
		}
		if (i != ans.size() - 1) {
			cout << " ";
		}
	}

	return 0;
}

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
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