[17-05-14]普及模拟【题解】

本文解析了四道模拟题:无限剑制、魔法阵、倒水及解码。前三题较为简单,通过模拟即可解决;第四题则涉及组合数学,提出了使用杨辉三角或快速幂加简化公式的方法。

第一题&无限剑制&
这里写图片描述
很简单的模拟题,求出这个西格玛就好,数据规模也不大
第二题&魔法阵&

也很简单,只是这题目给参加过2016NOIP的我着实吓了一跳。。#汗
简单说,也是模拟
两个数组,两个循环,改变方阵中的元素位置
第三题&倒水&
题目挺长的,唬人
然而仔细阅读整个题目就知道,其实是个模拟
数据规模不大,时间复杂度为O(3000*100)
根本是送分吧!!!
第四题&解码&
简单说,这是整套模拟中唯一有难度的
这道题其实就是把求组合数包装了而已
根据平时的学习,我们可以知道:
对于从m个元素中取出n个元素的组合,公式为:
m!/n!(m-n)!
然而如果直接套公式,你以为第四题只是考你公式的么?
太天真了!
数据规模:1<=n,m<=10,000
所以很明显,不能直接套。。。
于是在神奇的至高无上的题解老师的指导下,我们探讨出两种方法:
1、杨辉三角大法(好)#滑稽
可以观察出杨辉三角与组合数的关系:
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
c(0,0)
c(1,0) c(1,1)
c(2,0) c(2,1) c(2,2)
c(3,0) c(3,1) c(3,2) c(3,3)
c(4,0) c(4,1) c(4,2) c(4,3) c(4,4)
杨辉大家都会做吧!
可是,嗯,还是数据规模,你开一个10000*10000的数组试试。。
所以要用滚动数组a[0..1][-1..10001]
或者倒推也行,递推功底起了作用。。
2、快速幂+简化公式
en。。。这个还没做出来

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
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