uva 301 - Transportation

本文介绍了一种通过搜索订单组合来实现车辆运输中最大利润的算法。利用深度优先搜索(DFS)策略,针对每笔订单决定是否接受,并更新各站点乘客数量确保不超过车辆承载上限,最终找出收益最大化的方案。

点击打开链接


题目意思: 有一辆车从A城市开往B城市,途中有m个站,车上最多的载客人数为n人,每一个站的价格就是终点和起点的差值,现在有k分订单,要求找到这辆车的最大利润


解题思路: 这一题如果我们去搜索站点,那么情况将会非常糟糕,但是如果我么去搜索订单,那么对于每一个订单而言就是取和不取,那么我们就可以知道这个解空间树的每一层就是一个订单,那么我们只要对这个订单编号,然后搜索订单即可。另外我们开一个数组,专门来存储每一个站点当前的人数,注意这里的人数处理,一份订单进来,那么起点---终点前一站都是要加上的,终点下车不用加,还有做dfs之前都是先判断judge函数,最后恢复现场。


代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <cmath>
#include <cctype>
#include <algorithm>
using namespace std;
const int MAXN = 25;

int n, m, d;
int num[10]; //记录每一个站点的人数
int ans;

struct Order {//订单的结构体,存储起点和终点和人数
    int start;
    int end;
    int number;
};
Order o[MAXN];//结构体数组

//判断当前的所有的站点的人数是否
int judge() {
    for(int i = 0 ; i <= m ; i++){
        if(num[i] > n)//如果人数大于n则不满足
           return 0;
    }
    return 1;
}

void dfs(int k , int max) {
    if(ans < max)
        ans = max;
    while(k < d){
        //如果要选择该订单
        for(int i = o[k].start ; i < o[k].end ; i++)
            num[i] += o[k].number;
        if(judge())
            dfs(k+1 , max+o[k].number*(o[k].end-o[k].start));
       //由于之前就加上了人数,所以这里一定要减去人数 
       for(int i = o[k].start ; i < o[k].end ; i++)
            num[i] -= o[k].number;
        ++k;//下一个订单
    }
}
//
int main() {
    while (scanf("%d%d%d%*c", &n, &m, &d)) {
        if( n == 0 && m == 0 && d == 0)//注意是 0 0 0 结束
            break;
        memset(num, 0, sizeof (num));
        ans = 0;
        for (int i = 0; i < d; i++)
            scanf("%d%d%d", &o[i].start, &o[i].end, &o[i].number);
        dfs(0, 0);
        printf("%d\n", ans);
    }
    return 0;
}


【无人车路径跟踪】基于神经网络的数据驱动迭代学习控制(ILC)算法,用于具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车的路径跟踪(Matlab代码实现)内容概要:本文介绍了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,用于解决具有未知模型和重复任务的非线性单输入单输出(SISO)离散时间系统的无人车路径跟踪问题,并提供了完整的Matlab代码实现。该方法无需精确系统模型,通过数据驱动方式结合神经网络逼近系统动态,利用迭代学习机制不断提升控制性能,从而实现高精度的路径跟踪控制。文档还列举了大量相关科研方向和技术应用案例,涵盖智能优化算法、机器学习、路径规划、电力系统等多个领域,展示了该技术在科研仿真中的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及从事无人车控制、智能算法开发的工程技术人员。; 使用场景及目标:①应用于无人车在重复任务下的高精度路径跟踪控制;②为缺乏精确数学模型的非线性系统提供有效的控制策略设计思路;③作为科研复现与算法验证的学习资源,推动数据驱动控制方法的研究与应用。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注神经网络与ILC的结合机制,并尝试在不同仿真环境中进行参数调优与性能对比,以掌握数据驱动控制的核心思想与工程应用技巧。
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