【CODEVS1036】商务旅行【LCA】

本文深入探讨了LCALCALCA算法在解决树形结构中点间距离问题的应用。通过实例讲解,阐述了如何利用该算法高效计算两点间的最短路径,特别关注于算法的时间复杂度O(nlogn),并提供了完整的代码实现。

题目大题:

题目链接:http://codevs.cn/problem/1036/
给出一棵树和一些要求按顺序到达的点,一开始在点 1 1 1,求走完这些点要花费多少(一条边花费 1 1 1


思路:

L C A LCA LCA模板题。
假设现在在点 x x x,要到达点 y y y,那么很明显所需要的花费就是 d e p [ x ] + d e p [ y ] − 2 × d e p [ l c a ( x , y ) ] dep[x]+dep[y]-2\times dep[lca(x,y)] dep[x]+dep[y]2×dep[lca(x,y)]
累加即可。
众所周知, L C A LCA LCA时间复杂度 O ( n l o g n ) O(nlogn) O(nlogn)


代码:

#include <cstdio>
#include <cstring>
#include <algorithm>
#define N 30100
#define LG 20
using namespace std;

int n,f[N][LG+1],head[N],dep[N],ans,m,tot;

struct edge
{
    int to,next;
}e[N*2];

void add(int from,int to)
{
    e[++tot].to=to;
    e[tot].next=head[from];
    head[from]=tot;
}

void dfs(int x,int fa)
{
    f[x][0]=fa;  //f[x][k]表示点x的2^k祖先
    dep[x]=dep[fa]+1;  //深度
    for (int i=1;i<=LG;i++)
     f[x][i]=f[f[x][i-1]][i-1];
    for (int i=head[x];~i;i=e[i].next)
     if (e[i].to!=fa)
      dfs(e[i].to,x);
}

int lca(int x,int y)
{
    if (dep[x]<dep[y]) swap(x,y);
    for (int i=LG;i>=0;i--)  //先跳到同一层
     if (dep[f[x][i]]>=dep[y]) x=f[x][i];
    if (x==y) return x;
    for (int i=LG;i>=0;i--)  //一起往上跳
     if (f[x][i]!=f[y][i])
     {
        x=f[x][i];
        y=f[y][i];
     }
    return f[x][0];
}

int main()
{
    memset(head,-1,sizeof(head));
    scanf("%d",&n);
    int x,y;
    for (int i=1;i<n;i++)
    {
        scanf("%d%d",&x,&y);
        add(x,y);
        add(y,x);
    }
    int now=1;
    dfs(1,0);
    scanf("%d",&m);
    for (int i=1;i<=m;i++)
    {
        scanf("%d",&x);
        ans=ans+dep[now]+dep[x]-2*dep[lca(now,x)];
        now=x;
    }
    printf("%d\n",ans);
    return 0;
}
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