哈尔滨理工大学软件与微电子学院第八届程序设计竞赛同步赛(高年级) B 小乐乐搭积木 【DFS || 状压dp】...

本文探讨了如何使用深度优先搜索(DFS)算法计算n*m矩阵中,利用1*2和2*1的地砖组合积木城堡的不同方案数量。通过递归地检查每个格子的覆盖情况,实现了对所有可能布局的遍历。

链接:https://ac.nowcoder.com/acm/contest/301/B
来源:牛客网

小乐乐想要给自己搭建一个积木城堡。
积木城堡我们假设为n*m的平面矩形。
小乐乐现在手里有1*2,2*1两种地砖。
小乐乐想知道自己有多少种组合方案。
第一行输入整数n,m。(1<=n,m<=10)
 

解题思路:

①DFS:
按照格子按顺序编号,每号格子有 两种方案,遍历两种方案,同时在地图上标记那些格子被覆盖,如果格子被覆盖则继续搜下一个格子。
 
AC code:
 1 #include <cstdio>
 2 #include <iostream>
 3 #include <cstring>
 4 #include <algorithm>
 5 #include <cmath>
 6 #define INF 0x3f3f3f3f
 7 using namespace std;
 8 const int MAXN = 11;
 9 bool mmp[MAXN][MAXN];
10 int S, N, M;
11 int ans;
12 
13 bool check(int x, int y, int tp)
14 {
15     if(tp == 0){        //1*2的地砖
16         if(y+1 == M) return false;
17         if(!mmp[x][y+1]) return true;
18     }
19     else{               //2*1的地砖
20         if(x+1 == N) return false;
21         if(!mmp[x+1][y]) return true;
22     }
23     return false;
24 }
25 
26 void dfs(int no)
27 {
28     if(no == S){ ans++; return;}
29     int rx = no/M, ry = no%M;
30     if(mmp[rx][ry]) return dfs(no+1);
31     mmp[rx][ry] = true;
32     for(int i = 0; i <= 1; i++){
33         if(i == 0){
34             if(check(rx, ry, i)){
35                 mmp[rx][ry+1] = true;
36                 dfs(no+1);
37                 mmp[rx][ry+1] = false;
38             }
39         }
40         else{
41             if(check(rx, ry, i)){
42                 mmp[rx+1][ry] = true;
43                 dfs(no+1);
44                 mmp[rx+1][ry] = false;
45             }
46         }
47     }
48     mmp[rx][ry] = false;
49     return;
50 }
51 
52 int main()
53 {
54     scanf("%d%d", &N, &M);
55     S = N*M;
56     dfs(0);
57     printf("%d\n", ans);
58     return 0;
59 }

 

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,注重理论分析仿真验证相结合。
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