洛谷 P1631 序列合并

探讨了两个递增数列的组合问题,通过维护一个堆来高效找到所有组合中最小的N个和,避免了直接比较N^2个元素的复杂度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题面

给出两个长度 N 的递增数列,1 <= N <= 100000,输出其相互组合的 N2 个和中最小的 N 个

分析

两个单调递增的数列,其和的组成也有一定单调性,先看选定一个a[i]固定的情况,此时形成N个和 a[i]+b[0]a[i]+b[0]a[i]+b[0]a[i]+b[1]a[i]+b[1]a[i]+b[1],…a[i]+b[n−1]a[i]+b[n-1]a[i]+b[n1] ,也是递增的。

考虑有 n 个 a[i] ,这也就是说有 n 个这种递增的数列。而因为每个也是递增的,所以在轮到 a[i] + a[j] 之前,a[i]+b[j+1]是不会被调用的,这个性质使我们可以只维护 n 个 a[i] 的首元素。

考虑到空间不够 N2,可以只来用堆维护 n 个a[i]+b[j]a[i]+b[j]a[i]+b[j],其中 j 原本等于 0,被选中则 +1,并删去原来的。
每一个 b[ j ] 代表:当前 a[ i ] 下,可选的 b 中元素最小的那个,也是 n 个和列中动态的首元素。

代码

#include "cstdlib"
#include <iostream>
#include<algorithm>
#include<vector>
#include<queue>
#include<string.h>
#include<string>
using namespace std;
int a[100005], b[100005];
struct P
{
	P(int i,int pos):i(i),pos(pos){}
	P() {}
	int i;//a[i]中的i
	int pos;
	bool operator < (const P &other)const
	{
		return a[i] + b[pos] > a[other.i] + b[other.pos];//小根堆生成
	}
};//每个i下的pos代表对于a[i],与其下一个匹配的b[j]中的j(下标)
priority_queue<P>q;
int main()
{
	ios::sync_with_stdio(false);
	int n;
	cin >> n;
	for (int i = 0; i < n; i++)cin >> a[i];
	for (int i = 0; i < n; i++)cin >> b[i];
	for (int i = 0; i < n; i++)q.push(P(i, 0));//每个a[i]初始匹配b[0]
	P temp;
	for (int cnt = 0; cnt < n; cnt++)
	{
		temp = q.top();
		q.pop();
		if (temp.pos != n - 1)q.push(P(temp.i, temp.pos + 1));//如果已经到b[n-1]则a[i]没有下一个匹配
		cout << a[temp.i] + b[temp.pos]<<" ";
	}
	return 0;
}
内容概要:本文档详细介绍了基于MATLAB实现的无人机三维路径规划项目,核心算法采用蒙特卡罗树搜索(MCTS)。项目旨在解决无人机在复杂三维环境中自主路径规划的问题,通过MCTS的随机模拟与渐进式搜索机制,实现高效、智能化的路径规划。项目不仅考虑静态环境建模,还集成了障碍物检测与避障机制,确保无人机飞行的安全性和效率。文档涵盖了从环境准备、数据处理、算法设计与实现、模型训练与预测、性能评估到GUI界面设计的完整流程,并提供了详细的代码示例。此外,项目采用模块化设计,支持多无人机协同路径规划、动态环境实时路径重规划等未来改进方向。 适合人群:具备一定编程基础,特别是熟悉MATLAB和无人机技术的研发人员;从事无人机路径规划、智能导航系统开发的工程师;对MCTS算法感兴趣的算法研究人员。 使用场景及目标:①理解MCTS算法在三维路径规划中的应用;②掌握基于MATLAB的无人机路径规划项目开发全流程;③学习如何通过MCTS算法优化无人机在复杂环境中的飞行路径,提高飞行安全性和效率;④为后续多无人机协同规划、动态环境实时调整等高级应用打下基础。 其他说明:项目不仅提供了详细的理论解释和技术实现,还特别关注了实际应用中的挑战和解决方案。例如,通过多阶段优化与迭代增强机制提升路径质量,结合环境建模与障碍物感知保障路径安全,利用GPU加速推理提升计算效率等。此外,项目还强调了代码模块化与调试便利性,便于后续功能扩展和性能优化。项目未来改进方向包括引入深度强化学习辅助路径规划、扩展至多无人机协同路径规划、增强动态环境实时路径重规划能力等,展示了广阔的应用前景和发展潜力。
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