Codeforces Round #279 (Div. 2)D. Chocolate

本文介绍了一个CodeForces D题目的贪心解法。通过分析题目中的特殊情况,如质数2和3的幂次不会重叠,利用这一特性解决了-1的情况,并给出了具体的实现代码。

http://codeforces.com/contest/490/problem/D

第一次想贪心没敢写,后来发现贪心正解,自己之前一直纠结在-1的情况上= =。。。。没有注意到2,3都是质数、幂不会重叠这个问题。

#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<cmath>
#include<iostream>
#include<algorithm>
#include<string>
#include<map>
#include<set>
#include<queue>
#include<stack>
#include<ctime>
#include<vector>
#include<utility>
using namespace std;
#define INF (1<<30)
#define EPS 1e-6
#define PI acos(-1)
#define lowbit(x) ((x) & (-(x)))
#define IDX(l,r) ((l)+(r) | (l)!=(r))
#define ABS(x) ((x)>0?(x):-(x))
#define SET(a,b) memset(a,b,sizeof(a))
#define NN 40
#define MM 10010
int main()
{
    long long  a,b,c,d;
    cin>>a>>b>>c>>d;
    long long  a1=a,b1=b,c1=c,d1=d;
    long long  c12=0,c13=0,c22=0,c23=0;
       long long ans=0;
    while(a1%3==0&&a1) a1/=3,c13++;
    while(b1%3==0&&b1) b1/=3,c13++;
    while(c1%3==0&&c1) c1/=3,c23++;
    while(d1%3==0&&d1) d1/=3,c23++;

    while(c13>c23&&a%3==0&&a)a=a*2/3,c13--,ans++;
    while(c13>c23&&b%3==0&&b)b=b*2/3,c13--,ans++;
    while(c13<c23&&c%3==0&&c)c=c*2/3,c23--,ans++;
    while(c13<c23&&d%3==0&&d)d=d*2/3,c23--,ans++;

    a1=a,b1=b,c1=c,d1=d;
    while(d1%2==0&&d1) d1/=2,c22++;
    while(b1%2==0&&b1) b1/=2,c12++;
    while(c1%2==0&&c1) c1/=2,c22++;
    while(a1%2==0&&a1) a1/=2,c12++;
    while(c12>c22&&a%2==0&&a)a/=2,c12--,ans++;
    while(c12>c22&&b%2==0&&b)b/=2,c12--,ans++;
    while(c12<c22&&c%2==0&&c)c/=2,c22--,ans++;
    while(c12<c22&&d%2==0&&d)d/=2,c22--,ans++;
     if (a*b!=c*d)
    {
        cout<<-1<<endl;
        return 0;
    }
    cout<<ans<<endl;
    cout<<a<<' '<<b<<endl;
    cout<<c<<' '<<d<<endl;
    return 0;
}



内容概要:本文介绍了一个基于MATLAB实现的多目标粒子群优化算法(MOPSO)在无人机三维路径规划中的应用。该代码实现了完整的路径规划流程,包括模拟数据生成、障碍物随机生成、MOPSO优化求解、帕累托前沿分析、最优路径选择、代理模型训练以及丰富的可视化功能。系统支持用户通过GUI界面设置参数,如粒子数量、迭代次数、路径节点数等,并能一键运行完成路径规划与评估。代码采用模块化设计,包含详细的注释,同时提供了简洁版本,便于理解和二次开发。此外,系统还引入了代理模型(surrogate model)进行性能预测,并通过多种图表对结果进行全面评估。 适合人群:具备一定MATLAB编程基础的科研人员、自动化/控制/航空航天等相关专业的研究生或高年级本科生,以及从事无人机路径规划、智能优化算法研究的工程技术人员。 使用场景及目标:①用于教学演示多目标优化算法(如MOPSO)的基本原理与实现方法;②为无人机三维路径规划提供可复现的仿真平台;③支持对不同参数配置下的路径长度、飞行时间、能耗与安全风险之间的权衡进行分析;④可用于进一步扩展研究,如融合动态环境、多无人机协同等场景。 其他说明:该资源包含两份代码(详细注释版与简洁版),运行结果可通过图形界面直观展示,包括Pareto前沿、收敛曲线、风险热图、路径雷达图等,有助于深入理解优化过程与结果特性。建议使用者结合实际需求调整参数,并利用提供的模型导出功能将最优路径应用于真实系统。
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