ZOJ2006 最小表示法模板题

本文介绍了一种求解字符串最大字典序字串的算法实现,并提供了完整的C++代码示例。通过比较字符串的不同起始位置来找到具有最大字典序的子串及其起始位置。

题意:
输出每个字符串的最大字典序字串的下标。
题解:
最小表示法的模板题。

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
const int MAXN=10000+7; 
char s[MAXN];
int get_min()
{
    int len=strlen(s);
    int i=0,j=1,k=0;
    while(i<len&&j<len&&k<len)
    {
        int t=s[(i+k)%len]-s[(j+k)%len];
        if(t==0)
        k++;
        else
        {
            if(t>0)
            i+=k+1;
            else
            j+=k+1;
            if(i==j)
            j++;
            k=0;
        }
    }
    return min(i,j);
}
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%s",s);
        printf("%d\n",get_min()+1);
    }
}
//最小表示法  
int get_minstring(char *s)  
{  
    int len = strlen(s);  
    int i = 0, j = 1, k = 0;  
    while(i<len && j<len && k<len)  
    {  
        int t=s[(i+k)%len]-s[(j+k)%len];  
        if(t==0)  
            k++;  
        else  
        {  
            if(t > 0)  
                i+=k+1;  
            else  
                j+=k+1;  
            if(i==j) j++;  
            k=0;  
        }  
    }  
    return min(i,j);  
}  

//最大表示法  
int get_maxstring(char *s)  
{  
    int len = strlen(s);  
    int i = 0, j = 1, k = 0;  
    while(i<len && j<len && k<len)  
    {  
        int t=s[(i+k)%len]-s[(j+k)%len];  
        if(t==0)  
            k++;  
        else  
        {  
            if(t > 0)  
                j+=k+1;  
            else  
                i+=k+1;  
            if(i==j) j++;  
            k=0;  
        }  
    }  
    return min(i,j);  
}  
内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma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)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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