2019_GDUT_新生专题 I --- I

本文解析了Vjudge上的算法题'愤怒的牛',该题要求在N个隔间中分配C头牛,使得任意两头牛间的最小距离最大化。通过排序和二分查找算法,逐步逼近并找到这个最大距离。

[HYSBZ] 1734 — Aggressive cows 愤怒的牛

原题链接:https://vjudge.net/problem/1642056/origin

题目大意:

有N个隔间x1,…,xN,给C头牛分配隔间,使任意两头牛之间的最小距离尽可能的大,求这个最大的最小距离。

题目分析:

数据太大,直接遍历所有的最小距离肯定不行。先排序,再运用二分,一步步逼近最大距离。

代码实现:

#include <iostream>
#include <cstdio>
#include <algorithm>

using namespace std;

int n, c;
int a[100001];

bool cow(int x)
{
    int i, j;
    int num = 1; //已经住下的牛的数目,第一头牛一定在第一间隔间
    for(i=0,j=0; i<n; i++){
        if(a[i] - a[j] >= x){ //每相邻大于或等于x的隔间就住一头牛
            num++;
            j = i;
        }
    }
    if(num >= c) return true; //判断能住下的是否大于c
    else return false;
}

int main()
{
    int i;
    int l, r, mid;
    cin >> n >> c;
    for(i=0; i<n; i++){
        cin >> a[i];
    }
    sort(a,a+n);
    max_x = 0;
    l = 0;
    r = a[n-1];
    //二分取可能的值(最大的最小距离)
    while(l < r)
    {
        mid = (l + r) / 2;
        if(cow(mid)) l = mid+1;
        else r = mid;
    }
    cout << r-1 << endl;

    return 0;
}

最后,希望路过的dl们能给予改进的建议!

【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