hdu 4363 Draw and paint

本文详细介绍了如何运用记忆化搜索技术解决具有多种细节条件的问题。通过代码实例,展示了如何利用DP(动态规划)算法,结合记忆化搜索优化过程,有效解决复杂问题。文章深入探讨了状态转移的具体实现,并提供了完整的代码实现,旨在帮助读者理解和应用记忆化搜索在实际问题求解中的高效策略。

这题细节好多,我是用记忆化搜索做的,dp[x][y][a][b][c][d][w]前两维记录大小,然后是四个方向相邻的颜色,最后一维表示要横着切还是竖着切,具体的转移直接看代码吧

#include<iostream>
#include<vector>
#include<algorithm>
#include<cstdio>
#include<queue>
#include<stack>
#include<string>
#include<map>
#include<set>
#include<cmath>
#include<cassert>
#include<cstring>
#include<iomanip>
using namespace std;
#ifdef _WIN32
#define i64 __int64
#define out64 "%I64d\n"
#define in64 "%I64d"
#else
#define i64 long long
#define out64 "%lld\n"
#define in64 "%lld"
#endif
/************ for topcoder by zz1215 *******************/
#define FOR(i,a,b)      for( int i = (a) ; i <= (b) ; i ++)
#define FFF(i,a)        for( int i = 0 ; i < (a) ; i ++)
#define FFD(i,a,b)      for( int i = (a) ; i >= (b) ; i --)
#define S64(a)          scanf(in64,&a)
#define SS(a)           scanf("%d",&a)
#define LL(a)           ((a)<<1)
#define RR(a)           (((a)<<1)+1)
#define pb              push_back
#define CL(Q)           while(!Q.empty())Q.pop()
#define MM(name,what)   memset(name,what,sizeof(name))
#define MAX(a,b)        ((a)>(b)?(a):(b))
#define MIN(a,b)        ((a)<(b)?(a):(b))
#define read            freopen("in.txt","r",stdin)
#define write           freopen("out.txt","w",stdout)

const int inf = 0x3f3f3f3f;
const i64 inf64 = 0x3f3f3f3f3f3f3f3fLL;
const double oo = 10e9;
const double eps = 10e-9;
const double pi = acos(-1.0);
const int maxn = 41;
const int maxc = 5;
const int mod=1000000007;

i64 dp[maxn][maxn][maxc][maxc][maxc][maxc][2];
bool vis[maxn][maxn][maxc][maxc][maxc][maxc][2];
int n,m;

i64 find(int x,int y,int a,int b,int c,int d,int w)
{	
	if(vis[x][y][a][b][c][d][w]) return dp[x][y][a][b][c][d][w];
	if(x==0 || y==0)
	{	
		return 1;
	}
	else if(w==0)
	{
		i64 temp=0;
		for(int i=1;i<=x-1;i++)
		{
			for(int j=1;j<=4;j++)
			{
				if(j==a || j==c || j==d) continue;
				temp+=find(x-i,y,j,b,c,d,1);
				temp%=mod;
			}	
			for(int j=1;j<=4;j++)
			{
				if(j==b || j==c || j==d) continue;		
				temp+=find(i,y,a,j,c,d,1);
				temp%=mod;
			}
		}
		temp+=mod;
		int t2=0;
		for(int i=1;i<=4;i++)
		{
			if(i==a || i==c || i==d) continue;
			for(int j=1;j<=4;j++)
			{
				if(j==c || j==d || j==b || j==i) continue; 				
				t2++;
			}
		}
		temp-=t2*(x-1);
		for(int i=1;i<=4;i++)
		{
			if(i!=a && i!=b && i!=c && i!=d)
			{
				temp++;
			}
		}	
		temp%=mod;
		vis[x][y][a][b][c][d][w]=true;
		dp[x][y][a][b][c][d][w]=temp;	
		return temp;
	}
	else if(w==1)
	{
		i64 temp=0;
		for(int i=1;i<=y-1;i++)	
		{
			for(int j=1;j<=4;j++)
			{
				if(j==c || j==a || j==b) continue;
				temp+=find(x,y-i,a,b,j,d,0);
				temp%=mod;
			}
			for(int j=1;j<=4;j++)
			{
				if(j==a || j==b || j==d) continue;
				temp+=find(x,i,a,b,c,j,0);
				temp%=mod;
			}
		}	
		temp+=mod;
		int t2=0;
		for(int i=1;i<=4;i++)
		{
			if(i==a || i==b || i==c) continue;
			for(int j=1;j<=4;j++)
			{	
				if(j==i || j==a || j==b || j==d) continue;
				t2++;
			}
		}
		temp-=t2*(y-1);
		for(int i=1;i<=4;i++)
		{
			if(i!=a && i!=b && i!=c && i!=d)
			{
				temp++;
			}
		}
		temp%=mod;
		vis[x][y][a][b][c][d][w]=true;
		dp[x][y][a][b][c][d][w]=temp;
		return temp;
	}
}

int main()
{
	int T;
	cin>>T;	
	MM(vis,false);
	while(T--)
	{	
		cin>>n>>m;
		cout<<find(n,m,0,0,0,0,0)<<endl;
	}
	return 0;
}


本项目采用C++编程语言结合ROS框架构建了完整的双机械臂控制系统,实现了Gazebo仿真环境下的协同运动模拟,并完成了两台实体UR10工业机器人的联动控制。该毕业设计在答辩环节获得98分的优异成绩,所有程序代码均通过系统性调试验证,保证可直接部署运行。 系统架构包含三个核心模块:基于ROS通信架构的双臂协调控制器、Gazebo物理引擎下的动力学仿真环境、以及真实UR10机器人的硬件接口层。在仿真验证阶段,开发了双臂碰撞检测算法和轨迹规划模块,通过ROS控制包实现了末端执行器的同步轨迹跟踪。硬件集成方面,建立了基于TCP/IP协议的实时通信链路,解决了双机数据同步和运动指令分发等关键技术问题。 本资源适用于自动化、机械电子、人工智能等专业方向的课程实践,可作为高年级课程设计、毕业课题的重要参考案例。系统采用模块化设计理念,控制核心与硬件接口分离架构便于功能扩展,具备工程实践能力的学习者可在现有框架基础上进行二次开发,例如集成视觉感知模块或优化运动规划算法。 项目文档详细记录了环境配置流程、参数调试方法和实验验证数据,特别说明了双机协同作业时的时序同步解决方案。所有功能模块均提供完整的API接口说明,便于使用者快速理解系统架构并进行定制化修改。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
【微电网】【创新点】基于非支配排序的蜣螂优化算法NSDBO求解微电网多目标优化调度研究(Matlab代码实现)内容概要:本文围绕基于非支配排序的蜣螂优化算法(NSDBO)在微电网多目标优化调度中的应用展开研究,提出了一种改进的智能优化算法以解决微电网系统中经济性、环保性和能源效率等多重目标之间的权衡问题。通过引入非支配排序机制,NSDBO能够有效处理多目标优化中的帕累托前沿搜索,提升解的多样性和收敛性,并结合Matlab代码实现仿真验证,展示了该算法在微电网调度中的优越性能和实际可行性。研究涵盖了微电网典型结构建模、目标函数构建及约束条件处理,实现了对风、光、储能及传统机组的协同优化调度。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事微电网、智能优化算法应用的工程技术人员;熟悉优化算法与能源系统调度的高年级本科生亦可参考。; 使用场景及目标:①应用于微电网多目标优化调度问题的研究与仿真,如成本最小化、碳排放最低与供电可靠性最高之间的平衡;②为新型智能优化算法(如蜣螂优化算法及其改进版本)的设计与验证提供实践案例,推动其在能源系统中的推广应用;③服务于学术论文复现、课题研究或毕业设计中的算法对比与性能测试。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注NSDBO算法的核心实现步骤与微电网模型的构建逻辑,同时可对比其他多目标算法(如NSGA-II、MOPSO)以深入理解其优势与局限,进一步开展算法改进或应用场景拓展。
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