【DP】西北大学集训队选拔赛(重现赛) B 饱和式救援

针对电影《流浪地球》中地球救援场景,设计程序计算至少k个行星发动机重启的概率,使用动态规划算法解决复杂问题。

链接:https://ac.nowcoder.com/acm/contest/892/B
来源:牛客网
 

题目描述

“在全球性救援开始的0.42秒后,MOSS就已经推算出结果,这是一场注定徒劳的救援。”

在《流浪地球》电影中,虽说在引爆木星之后推动了地球离开木星,但是大爆炸摧毁了地球上大部分的行星发动机。

人类再一次展开全球性救援。此时的MOSS已经被烧毁,现在告诉你每只救援队的目标发动机的编号以及这只救援队在规定时间内成功救援的概率,假如有至少k个行星发动机能够得到重启,则认为地球会被拯救。请你设计一个程序,帮助人类完成这个计算。

输入描述:

第一行给出N,M,K。N代表人类派出的救援队总数,M代表被摧毁的行星发动机,K代表至少需要重启的行星发动机总数。(1<=N<=1e5,K<=M<=2000)

接下来N行,每行给出ai,pi,分别代表第i支救援队的目标发动机的编号是ai,救援成功的概率为pi。(1<=ai<=M,0<=pi<=1)

只要有一只救援队顺利抵达该行星发动机,则认为该发动机被成功重启。

输出描述:

输出地球被救援成功的概率(请严格保留3位小数)

示例1

输入

复制

3 2 2
1 1
1 1
2 0.5

输出

复制

0.500

只有m个机器坏了,只用考虑这m个,DP数组代表到第i个机器时成功修好j个机器的概率


#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
typedef long double ld;
typedef unsigned long long ull;
//typedef __int128 bll;
#define gcd __gcd
const ll maxn = 2e5+100;
const ll mod = 1e9+7;
//const ld pi = acos(-1.0);
const ll inf = 1e18;
//const ld eps = 1e-5;
//const ld e = exp(1);
 
ll n,m,k;
ld arr[maxn],len,dp[2005][2005];

int main()
{  
    ios::sync_with_stdio(false);
    cin.tie(0),cout.tie(0);
    
    cin >> n >> m >> k;
    
    for(ll i = 1; i <= m; i++)
    	arr[i] = 1;
    
    for(ll i = 1; i <= n; i++)
    {
    	ll a;
    	ld b;
    	cin >> a >> b;
    	
    	arr[a] *= (1-b);
	}
	
    for(ll i = 1; i <= m; i++)
    	arr[i] = 1 - arr[i];
    
	
	dp[0][0] = 1;
	
   for(ll i = 1; i <= m; i++)
   {
   		dp[i][0] = dp[i-1][0]*(1-arr[i]);	
		for(ll j = 1; j <= i; j++)
		{
			dp[i][j] = dp[i-1][j]*(1-arr[i]) + dp[i-1][j-1]*(arr[i]);
		}
   }
   
   	ld ans = 0;
   	for(ll i = k; i <= m; i++)
   	{
		ans += dp[m][i];
   	}
   
   	cout << fixed << setprecision(3) << ans << endl;
    return 0;
}

 

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