2021-01-21总结

汉诺塔优化策略与高精度技巧详解

2021-01-21总结

今天下午仔细看了一下 yjx 同学有关汉诺塔的总结,对汉诺塔操作的模拟和总结实在是太到位了。以下引用。

综上所述,对于一个N层的汉诺塔,先在B柱完成一个(N-1)层的汉诺塔,然后把n放在C柱,最后在B柱完成一个(N-1)层的汉诺塔,a[N]=2 * a[N-1]+1。(核心结论1)
为了使得总移动数尽可能少,要使得1到n-1这一堆的移动次数尽可能的少。因此如果有条件可以先移动大盘到目的地,这样有可能使n-1堆少移动一次,节省很多操作;但是如果操作大盘的过程中n-1层反复操作多组,操作就会变多。这一过程很难特判,因此我们尝试分类比较,先按照从大到小的基本思想操作,再按照优先移大的思想操作,比较一下究竟哪一种操作少,然后单独输出这一种的操作过程就可以了。
一个汉诺塔问题有时可以拆分成多个塔的操作,为了使一个汉诺塔整体操作步数尽可能少,要使其层数最多的那一部分操作次数尽可能少。(核心结论2)

另外,要不是看了 yjx 同学的博客,恐怕到现在我还没发现,有关新汉诺塔的那道题我做的实际并不完整,缺少了讨论。在这里谢谢大佬提醒。
由于最近做题过程中,我发现很多以前的知识(比如待会要用到的高精度)我都忘得差不多了,所以今天下午我就借着汉诺塔这类题复习了一下。

关于汉诺塔的题,如果只是简单的求最少步数的题而且数据范围比较大的话,下面两种传统的方法就没法AC,只能拿到部分分。

//基本汉诺塔问题 (递归法)
#include<bits/stdc++.h>
using namespace std;
int ans=0;
void cwy(int n,char a,char c,char b)
//函数表示共n片圆盘,将A上的圆盘借助B,移动至C
//(第一个int为圆盘数,第二个char为圆盘所在,
//第三个char为目标柱子,第四个char为借助的柱子)
{
	if(n==0) return;
	cwy(n-1,a,b,c);
	ans++;//若想知道具体的移动方法,
	//也就是变成了前几天的双色汉诺塔题,就在这里加上:
	//printf("%d %c %c\n",n,a,c);
	cwy(n-1,b,c,a);
}
int main() {
	int n;
	scanf("%d",&n);
	cwy(n,'A','B','C');
	printf("%d",ans);//这里输出最少步数; 
	return 0;
}
//基本汉诺塔问题(数学法) 
#include<bits/stdc++.h>
using namespace std;
int main()
{
	long long n,ans=0;
	scanf("%lld",&n);
	ans=pow(2,n)-1;//直接用地球人都知道的公式;
	printf("%lld",ans); 
	return 0;
} 

所以这时为了应付数太大的问题,就需要:
高精度

#include<bits/stdc++.h>
using namespace std;
char a[100001];
int n,len=1;//这里的len是用来记录长度的,因为我是正着算,倒着输出,
//为了避免输出前面一大堆空格,所以用len记一下长度;
void cwy(){
	for(int i=1;i<=len;i++){
		a[i]*=2;//由于我们知道是二的n次方,所以像竖式乘法一样,每位乘二就行了;
	}
	for(int i=1;i<=len;i++){
		if(a[i]>9){
			a[i+1]++;//满十进一位;
			a[i]-=10;
		}
	}
	if(a[len+1]>0){
		len++;
	}
}
int main()
{
	scanf("%d",&n);
	a[1]=1;
	for(int i=1;i<=n;i++){
		cwy();
	}
	for(int i=len;i>1;i--){
		printf("%d",a[i]);
	}
	printf("%d",a[1]-1);
	return 0;	
} 

像这样,就能AC了。

内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
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