打家劫舍 II

本文探讨了使用动态规划解决一个关于贼偷窃最多金额的问题,涉及特殊情况和状态转移方程。通过分析首尾相连的住户,确定了关键的偷窃范围和最大金额计算方法。

力扣地址

动态规划:

因为题目说到住户首尾相连,需要考虑的问题是,当偷了第一家,就不能偷最后一家,

因此得出两个偷窃范围 0 到 (n - 2),1 到 (n - 1),得出这两个范围的最大值,

然后再比较最大值即为偷窃最高金额

考虑特殊情况,当只有一家时直接返回

当有两家或三家时,获取最大值

超过三家则有如下状态转移方程:

dp[i] = max(dp[i - 1], dp[i - 2] + nums[i])

class Solution {
public:
    int rob(vector<int>& nums) {
        int len = nums.size();
        if (1 == len) {
            return nums[0];
        }
        if (2 == len) {
            return max(nums[0], nums[1]);
        }
        if (3 == len) {
            return max(max(nums[0], nums[1]), nums[2]);
        }
        return max(robber(nums, 0, len - 2), robber(nums, 1, len - 1));
    }

    int robber(vector<int>& nums, int start, int end)
    {
        int first = nums[start], second = max(nums[start], nums[start + 1]);
        for (int i = start + 2; i <= end; ++i) {
            int temp = second;
            second = max(first + nums[i], second);
            first = temp;
        }
        return second;
    }
};

 

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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