UVa10062:Tell me the frequencies!

本文介绍了一种字符频数统计的算法实现,该算法通过遍历输入字符串来统计每个字符出现的次数,并按字符出现频率及ASCII值顺序输出。文章包含完整的C语言代码示例。

题目: 与 UVa10008:What's Cryptanalysis?  方法相似。

給你一列文字,請你找出各字元出現的次數。

Input

每筆測試資料一列。每列最大長度為1000。

Output

對每一列輸入,請輸出各字元的ASCII值及其出現的次數。請根據出現的次數由小到大輸出。如果有2個以上的字元有相同的次數,則ASCII值較大的先輸出。

測試資料間請空一列,參考Sample Output

Sample Input

AAABBC
122333

Sample Output

67 1
66 2
65 3

49 1
50 2
51 3

#include <stdio.h>
#include <string.h>

int main()
{
	int end=1;
	
	while(1)
	{
		char arr[1001]={0};
		int str[128]={0}, i, j;
		
		if(gets(arr)==NULL) break;
		
		if(end) end=0;
		else printf("\n");
		
		for(i=0; i<strlen(arr); i++)
			str[arr[i]]++;
		
		int max=0;
		for(i=0; i<128; i++)	//得出出现次数最大值
			if(max<str[i]) max=str[i];
		
		for(i=1; i<=max; i++)	//从1开始找到最大值
			for(j=128; j>=0; j--)	//次数相同时,从ASCII大的往小的找
				if(i==str[j]) printf("%d %d\n",j,i);
	}	
}

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