poj 1185 炮兵阵地 //状态压缩DP

本文通过一个具体的实例详细讲解了状态压缩动态规划(DP)的实现过程。文章首先介绍了状态压缩的基本思想,随后通过代码展示了如何利用循环数组进行状态转移,并针对特殊情况进行了处理。通过对每一行状态的有效压缩和转移,实现了高效的求解。

注意只有一行等这些特殊情况

这种状态压缩DP还是比较简单的,这个题是前2行推出下一行的状态



#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int MAXN = (1 << 10);
int n, m;
char s[12];
int state[101][100];
int dp[2][100][100];//循环数组
int num[MAXN];
void init()
{
    for(int i = 0; i < MAXN; i++)
    {
        int temp = i;
        num[i] = 0;
        while(temp)
        {
            if(temp & 1) num[i]++;
            temp >>= 1;
        }
    }
}
void get_state(int id, int val)
{
    state[id][0] = 0;
    for(int i = 0; i <= val; i++)
    {
        if((i | val) != val)  continue;
        if((i & (i << 1)) || (i & (i >> 1)))  continue;
        if((i & (i << 2)) || (i & (i >> 2)))  continue;
        state[id][++state[id][0]] = i;
    }
}
int main()
{
    init();
    while(scanf("%d%d", &n, &m) != EOF)
    {
        for(int i = 0; i < n; i++)
        {
           scanf("%s", s);
           int val = 0;
           for(int j = 0; j < m; j++)
           {
               val <<= 1;
               if(s[j] == 'P')  val += 1;
           }
           get_state(i, val);
        }

        int sum = 0;
        for(int i = 1; i <= state[0][0]; i++)
        {
            dp[0][i][0] = num[state[0][i]];
            sum = max(sum, dp[0][i][0]);
        }

        for(int i = 1; i <= state[1][0]; i++)
        {
            for(int j = 1; j <= state[0][0]; j++)
            {
                dp[1][i][j] = -1;
                if(state[1][i] & state[0][j])  continue;
                dp[1][i][j] = dp[0][j][0] + num[state[1][i]];
                sum = max(sum, dp[1][i][j]);
            }
        }

        for(int i = 2; i < n; i++)
        {
            int a = i % 2;
            int b = 1 - a;
            for(int x = 1; x <= state[i][0]; x++)
            {
                for(int y = 1; y <= state[i-1][0]; y++)
                {
                    dp[a][x][y] = -1;
                    if(state[i][x] & state[i-1][y])  continue;
                    for(int z = 1; z <= state[i-2][0]; z++)
                    {
                        if(state[i][x] & state[i-2][z])  continue;
                        if(state[i-1][y] & state[i-2][z])  continue;
                        if(dp[b][y][z] == -1)  continue;
                        dp[a][x][y] = max(dp[a][x][y], dp[b][y][z] + num[state[i][x]]);
                        //if(i == n - 1 && dp[a][x][y] > 0)  printf("%d\n",dp[a][x][y]);
                    }
                }
            }
        }

        int a = (n - 1) % 2;
        for(int i = 1; i <= state[n-1][0]; i++)
          for(int j = 1; j <= state[n-2][0]; j++)
          {
              if(dp[a][i][j] > sum) sum = dp[a][i][j];
          }

        printf("%d\n",sum);
    }
    return 0;
}


【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分析,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代码逐模块分析,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。
基于分布式模型预测控制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“基于分布式模型预测控制(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。研究强调算法的分布式特性,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,帮助理解分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,加深对分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