zzuli 1623(hdu 1950/zju 1986) (DP) Bridging signals

本文分享了一种解决最长上升子序列问题的高效算法。通过使用优化数组和二分法,该算法能在大数据量(如40000个元素)下有效运行,避免了时间限制错误(TLE)。文章详细解释了优化流程,并附带具体代码实现。

其实题目挺长的,我还是硬是自己读下去的,读的时候我在想一个问题,那些四级没有过的孩只们,该怎么度过读题的痛苦;

等我读完题后发现竟然是求最长上升子序列的的题目,于是很迅速的写下代码,很悲催的是,这题的数据量很大,40000,不是平常的1000;

于是我就悲催了;

所以……结果是可想而知的,TLE了……

OK,知道此题的的简单思路之后,下面我就扼要的介绍下优化流程:

设一个数组num[40005];数组下标表示子序列的长度,数组的值表示当前长度下的最后的那个数字的值;

比如num[ans]=data;  便可理解为长度为ans时,最后的值为data;

为什么说这样便是优化呢?因为对于序列 124和125,序列长度便都是3,而最后的数字的值分别为4和5,这时候我们只需记下4;此时子序列长度为3的最后一位值将是4;

当下一位是6的时候,子序列长度会变成4,此时长度为4的子序列最后的值为6,当然,如果下一位是3,子序列长度为3的最后一位的值将由4变成3;

这边是优化过程,当然,配合着二分法;即:最长子序列+二分

下面看具体的代码+注释:

View Code
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<math.h>
int num[40010];////////注意,在下面处理过程中,num[]的值是升序的;

int GET_ans()
{
    int m,ans,data;////////ans记录的是下标
    ans=0;         ////
    num[ans]=0;     ///
    scanf("%d",&m); 
    while(m--)
    {
        scanf("%d",&data);
        if(data>num[ans])     ////当读入一个值时,发现比此时最大的数还要大;
        {
            ans++;            ///ans虽然是下标,但同时也表示长度,这个要理解
            num[ans]=data;   ////
        }
        else                 /////二分法查找;找的目标是与data最接近且比data稍微大一点的值;因为这样找的num[ans]值稍微比data大且此时data前面一定也有ans-1个比data小的值,所以此时的长度依然可以为ans,而此时的num[ans]便可以更新为data,
        {
            int left,right,mid;
            left=0;
            right=ans;
            while(left<right)
            {
                mid=(left+right)/2;
                if(num[mid]>=data)    ////
                    right=mid;
                else 
                {
                    left=mid+1;       ////
                }
            }
            num[right]=data;        /////
        }
    }
    return ans;                   /////此时ans 表示的便是最长的最序列的长度
}

int main()
{
    int n,i;
    scanf("%d",&n);
    while(n--)
    {
        i=GET_ans();
        printf("%d\n",i);
    }
    return 0;
}

 

 

转载于:https://www.cnblogs.com/world-ding/articles/2438394.html

基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)内容概要:本文介绍了基于实时迭代的数值鲁棒非线性模型预测控制(NMPC)双模稳定预测模型的研究与Matlab代码实现,重点在于提升系统在存在不确定性与扰动情况下的控制性能与稳定性。该模型结合实时迭代优化机制,增强了传统NMPC的数值鲁棒性,并通过双模控制策略兼顾动态响应与稳态精度,适用于复杂非线性系统的预测控制问题。文中还列举了多个相关技术方向的应用案例,涵盖电力系统、路径规划、信号处理、机器学习等多个领域,展示了该方法的广泛适用性与工程价值。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、智能制造、机器人控制等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于非线性系统的高性能预测控制设计,如电力系统调度、无人机控制、机器人轨迹跟踪等;②解决存在模型不确定性、外部扰动下的系统稳定控制问题;③通过Matlab仿真验证控制算法的有效性与鲁棒性,支撑科研论文复现与工程原型开发。; 阅读建议:建议读者结合提供的Matlab代码进行实践,重点关注NMPC的实时迭代机制与双模切换逻辑的设计细节,同时参考文中列举的相关研究方向拓展应用场景,强化对数值鲁棒性与系统稳定性之间平衡的理解。
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  | 博主筛选后可见
 
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