poj 1949 Chores

本文介绍了一种使用树形动态规划解决POJ 1949号问题的方法。通过递归遍历树结构并更新节点状态,实现了最优解的计算。文章提供了完整的C++代码实现。

题目链接:http://poj.org/problem?id=1949

题目思路:简单树形dp。

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<string>
#include<queue>
#include<algorithm>
#include<vector>
#include<stack>
#include<list>
#include<iostream>
#include<map>
using namespace std;
#define inf 0x3f3f3f3f
#define Max 110
inline int max(int a,int b)
{
	return a>b?a:b;
}
int min(int a,int b)
{
	return a<b?a:b;
}
int p[11000],val[10010],eid;
int dp[10010];
struct node
{
    int to,next;
}e[1000100];
inline void addedge(int u,int v)
{
    e[eid].to=v;
    e[eid].next=p[u];
    p[u]=eid++;
}
void inline dfs(int u)
{
    if(dp[u]!=-1)
        return;
    int i;
    dp[u]=val[u];
    for(i=p[u];i!=-1;i=e[i].next)
    {
        dfs(e[i].to);
        dp[u]=max(dp[u],dp[e[i].to]+val[u]);
    }
}
int main()
{
    int i,j,u,num,n;
    while(scanf("%d",&n)!=EOF)
    {

        eid=0;
        for(i=0;i<=n;i++)
            p[i]=-1,dp[i]=-1;
        for(i=1;i<=n;i++)
        {
            scanf("%d%d",&val[i],&num);
            for(j=1;j<=num;j++)
            {
                scanf("%d",&u);
                addedge(u,i);
            }
        }
        int ans=0;
        for(i=1;i<=n;i++)
        {
            if(dp[i]==-1)
            {
                dfs(i);
            }
            ans=max(ans,dp[i]);
        }
        printf("%d\n",ans);
    }
    return 0;
}


内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究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,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂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)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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