hdu 3092 0/1背包+数论

该博客介绍了如何通过素数分解来解决寻找数字划分中最小公倍数最大值的问题。作者提到,为了最大化最小公倍数,应该尽可能多地使用素数。算法采用0/1背包的思想,先找到所有素数,然后对每个素数枚举其幂次,并更新答案。文章还提到了初始化数组时的陷阱和代码实现细节,最后给出了完整的C++代码示例。

https://vjudge.net/problem/HDU-3092

题目概括

给出两个数字n,m,求n的所有划分里划分出的数字的最小公倍数的最大值ans,输出ans%m。
注意,ans可以很大很大很大。

思路

借鉴了https://blog.youkuaiyun.com/xuejye/article/details/80274052
首先说一下设计算法求最小公倍数的最大值。
最小公倍数要最大,我们希望划分里面要多出现素数。因为全部素数对于最小公倍数的贡献最大(全部乘在一起)
标准格式是:n=p1^k1 * p2^k2 *p3^k3 …
注意幂次。幂次确实可以任意取的。
网上很多说这是一个完全背包,这个没有问题;但是我更愿意把它当做0/1背包,因为我们在求解的时候,是要先找到合适的素数,然后才去枚举素数的幂次。从这个意义上讲,我们是把这个题目按照0/1背包处理了。
然后接下来有些细节借鉴了大佬的代码了。。。对数处理还是很强,比较灵活。
注意ans数组的初始化 大意了导致WA了一发

代码

#include <bits/stdc++.h>

using namespace std;
const int maxn=3000;
int prime[maxn+5],vis[maxn+5],ans[maxn+5];
double dp[maxn+5];
int n,m,cnt=0;

void List()
{
    int i,j;
    for(i=2;i<=maxn;i++)
    {
        if(!vis[i])
        {
            prime[++cnt]=i;
            for(j=i*i;j<=maxn;j+=i)
            {
                vis[j]=1;
            }
        }
    }
}

void ZeroOnePack()
{
    int i,j,k;
    for(i=0;i<=n;i++)///初始化从0开始
        ans[i]=1;
    for(i=1;i<=cnt&&prime[i]<=n;i++)
    {
        for(j=n;j>=prime[i];j--)///这是01背包的遍历方式,而不是完全背包
        {
            for(k=prime[i];k<=j;k*=prime[i])///枚举素数的次幂
            {
                if(dp[j]<dp[j-k]+log10(k))///dp储存了ans乘积的值,只是以log形式存储
                {
                    dp[j]=dp[j-k]+log10(k);
                    ans[j]=ans[j-k]*k%m;
                }

            }
        }
    }
}
int main()
{
    List();
    while(~scanf("%d%d",&n,&m))
    {
        memset(dp,0,sizeof(dp));
        ZeroOnePack();
        printf("%d\n",ans[n]);
    }
    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