[LeetCode] Sqrt(x)

本文提供了一种计算整数平方根的有效算法实现。通过使用二分查找法,该算法能够在较短的时间内找到最接近目标值的平方根。代码中展示了两种不同的实现方式,并考虑了边界条件。

Implement int sqrt(int x).

Compute and return the square root of x.

 

 

 

class Solution {
public:
    int sqrt(int x) {
        int l = 0, r = 46340;
        if (r*r <= x) return r;
        while (l < r) {
            if (r - l < 2) {
                if (r*r == x) return r;
                return l;
            }
            int m = (r+l) / 2;
            int t= m*m;
            if (t == x) return m;
            else if (t > x) r = m;
            else l = m;
        }
    }
};

 

@2013-10-07

感觉有点多此一举。

class Solution {
public:
    int sqrt(int x) {
        int left = 0, right = 1;
        while (right * right < x) {
            if (right * right > INT_MAX / 4) {
                left = right;
                // sqrt(INT_MAX) = 46340.9
                right = 46340;
                break;
            }
            left = right;
            right *= 2;
        }
        int mid, t;
        while (right - left > 1) {
            mid = (right + left) / 2;
            t = mid * mid;
            if (t == x) return mid;
            else if (t < x) left = mid;
            else right = mid;
        }
        if (right * right > x) return left;
        else return right;
    }
};

 

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
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