csu_1600

爆搜,但是不会……
dfs(num[],n)表示在一个长度为n的数组里任选两个数分别做加减乘除操作,当n等于1的时候判断num[0]是否为24.

#include <iostream>
#include <cmath>
#include <cstring>
using namespace std;

double num[10];

bool dfs(double num[],int n)
{
    if(n==1) return fabs(num[0]-24)<1e-8;
    int i,j,k;
    double tem[10];
    for(i=0;i<n;i++)
    {
        for(j=i;j<n;j++)
        {
            if(i==j) continue;
            int len=0;
            for(k=0;k<n;k++)
            {
                if(k!=i&&k!=j)
                {
                    tem[len++]=num[k];
                }
            }
            tem[len]=num[i]+num[j];
            if(dfs(tem,n-1)) return true;

            tem[len]=num[i]*num[j];
            if(dfs(tem,n-1)) return true;

            tem[len]=num[i]-num[j];
            if(dfs(tem,n-1)) return true;

            tem[len]=num[j]-num[i];
            if(dfs(tem,n-1)) return true;

            if(num[i]!=0)
            {
                tem[len]=num[j]/num[i];
                if(dfs(tem,n-1)) return true;
            }
            if(num[j]!=0)
            {
                tem[len]=num[i]/num[j];
                if(dfs(tem,n-1)) return true;
            }
        }
    }
    return false;
}

int main()
{
    while(cin>>num[0]>>num[1]>>num[2]>>num[3])
    {
        if(dfs(num,4))
            cout<<"Yes"<<endl;
        else
            cout<<"No"<<endl;
    }
    return 0;
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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
 
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