HDU 2159 FATE(二维完全背包)

本文介绍了一道经典的完全背包动态规划问题,并给出了详细的解题思路及C语言实现代码。文章通过选择经验值作为价值,忍耐度作为费用之一,探讨了如何通过多次击杀不同怪物来达到目标经验值的方法。

题目链接:Click here~~

题意:

中文题不解释。

解题思路:

有三个变量,我们需要考虑下哪两个看做费用,哪个看做价值。

习惯起见,我们把经验看做价值(因为他是状态转移时会增加的量)。

状态转移方程:dp[i][j] = max(dp[i][j],dp[i-1][j-b[k]]+a[k]).( i 表示杀敌数, j 表示忍耐度, a 表示增加的经验, b 表示减少的忍耐度)

而且怪物可以杀无限次,故可看做完全背包,正向循环。

最后再从第二维中寻找首先出现经验值大于等于所需经验的。

#include <stdio.h>
#include <string.h>
#define max(a,b) a > b ? a : b
#define N 103
int main()
{
    int Exp,Bear,Kind,Maxn;
    int a,b,dp[N][N];          //a->Exp,b->Bear
    while(~scanf("%d%d%d%d",&Exp,&Bear,&Kind,&Maxn))
    {
        int ans = -1;
        memset(dp,0,sizeof(dp));
        for(int k=1;k<=Kind;k++)
        {
            scanf("%d%d",&a,&b);
            for(int i=1;i<=Maxn;i++)
                for(int j=b;j<=Bear;j++)
                    dp[i][j] = max(dp[i][j],dp[i-1][j-b]+a);
        }
        for(int j=0;j<=Bear;j++)
             for(int i=1;i<=Maxn;i++)
                if(dp[i][j] >= Exp)
                {
                    ans = Bear-j;
                    goto end;
                }
end:    printf("%d\n",ans);
    }
    return 0;
}




六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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