POJ 1828 MONKEYS’ PRIDE(DP)+POJ 2726

原文:http://blog.acmj1991.com/?p=599

题意:山上有猴子,每只猴子都有一个坐标当其它猴子的x和y不能同时>=它的坐标时,那么它就是大王。问山中有都少大王?

思路:开始做超时了..其实就是对x进行排序后y在递增序列中的数目就是答案
x↑ y↓
poj本着买一送一原则又送了2726基本一样

#include<iostream>
#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
 
#define maxN 50010
struct node{
    int x,y;
}po[maxN];
 
bool cmp(node a,node b)
{
    if(a.x<b.x)return true;
    if(a.x==b.x&&a.y<b.y)return true;
    return false;
}
 
int main()
{
    int n;
    while(scanf("%d",&n)&&n)
    {
        for(int i=0;i<n;i++)
            scanf("%d%d",&po[i].x,&po[i].y);
        sort(po,po+n,cmp);
        int head[maxN],num=0;
        head[num++]=po[0].y;
        for(int i=1;i<n;i++)
            if(po[i].x!=po[i-1].x)
                head[num++]=po[i].y;
        int sum=1,minn=head[0];
        for(int i=1;i<num;i++)
            if(head[i]<minn){
                sum++;
                minn=head[i];
            }
        printf("%d\n",sum);
    }
}


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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