4800: [Ceoi2015]Ice Hockey World Championship

题目链接

题目大意:n个物品,m块钱,给定每个物品的价格,求买物品的方案数

题解:meet in the middle

我的收获:23333

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

int n;
ll a[1<<21],b[1<<21],w[50],m,ans;
int ta,tb;

void dfs(int x,int lim,ll now,ll *v,int &cnt)
{
    if(now>m) return;
    if(x>lim){v[++cnt]=now;return ;}
    dfs(x+1,lim,now,v,cnt),dfs(x+1,lim,now+w[x],v,cnt);
}

void work()
{
    sort(a+1,a+ta+1);sort(b+1,b+tb+1);
    for(int i=1,j=tb;i<=ta&&j>=1;i++)
    {
        while(a[i]+b[j]>m&&j>=1) j--;
        ans+=j;
    }
    printf("%lld\n",ans);
}

void init()
{
    scanf("%d%lld",&n,&m);
    for(int i=1;i<=n;i++) scanf("%lld",&w[i]);
    dfs(1,n>>1,0,a,ta);
    dfs((n>>1)+1,n,0,b,tb);
}

int main()
{
    init();
    work();
    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
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