20190902-2 小明种苹果(续)

本篇介绍了一个关于苹果树的编程问题,通过遍历数组判断苹果是否掉落及连续三棵树苹果同时掉落的情况,避免重复计数,最终输出所有树上剩余苹果总数及特定条件下苹果树的数量。

20190902 小明种苹果(续)

思路:

在遍历记录是否掉苹果的数组drop,i从编号1到n。如果drop[i]==true,则这颗树存在掉落;如果drop[i]&&drop[(i+1)%n]&&drop[(i+2)%n]==true,则存在一组相邻连续三棵树发生掉落;

坑:

掉落多次苹果时不要重复计数!!!!

#include<iostream>
#include<vector>
#include<queue>
using namespace std;
int main()
{
	vector<int>tree;//每个树上的苹果数
	vector<int>isFall;//每个树是否掉落果子
	int n = 0;//计数循环变量
	int fall = 0;//掉落苹果的苹果树数量
	int N; cin >> N;
	while (n<N)
	{
		int times; cin >> times;//每个树的操作次数
		int originapple; cin >> originapple; //最开始树上的苹果数
		tree.push_back(originapple);
		isFall.push_back(0);
		for (int i = 1; i < times; i++)//N-1次输入
		{
			int check; cin >> check;
			if (check <= 0)//小明疏果
			{
				tree[n] += check;
			}
			else //苹果自己掉落
			{
				if (check < tree[n])
				{
					isFall[n] = 1;
					tree[n] = check;
					//fall++;//掉落多次苹果时重复计数!!!!
				}
			}
		}
		n++;
	}
	
	int total = 0;//所有树上苹果总数
	for (int i = 0; i < N; i++)
		total += tree[i];
	cout << total << " ";

	int cnt = 0;//相邻三棵树同时掉落苹果的组数		
	for (int i = 0; i < N; i++)
		if (isFall[i] == 1)
		{
			fall++;
			if (isFall[(i + 1) % N] == 1 && isFall[(i + 2) % N] == 1)
				cnt++;
		}
	if (N <= 2)
		cnt = 0;
	cout << fall << " " << cnt << endl;
	return 0;
}

数据

4
4 74 -7 -12 -5
5 73 -8 -6 59 -4
5 76 -5 -10 60 -2
5 80 -6 -15 59 0

5
4 10 0 9 0
4 10 -2 7 0
2 10 0
4 10 -3 5 0
4 10 -1 8 0

1
4 20 19 18 17

【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高校学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于布式模型预测控制DMPC的多智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于布式模型预测控制(DMPC)的多智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现多智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在多智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的布式特性,提升系统的可扩展性与鲁棒性,适用于多无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等多领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对多智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于多智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对布式控制系统的整体理解。
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