uva 10474 - Where is the Marble?

本文探讨了排序算法及其在查找操作中的应用,通过实例展示了使用二分查找提高效率的方法。主要内容包括数据排序、二分查找算法实现及案例分析。

点击打开链接


代码:


//只要对输入的数据排序,然后查找即可(可用二分,更快)
#include <iostream>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <list>
#include <vector>
#include <stack>
#include <cmath>
#include <algorithm>
using namespace std;
const int MAXN = 10010;

int n , q;
int arrN[MAXN];
int arrQ[MAXN];
int numQ[MAXN];

int main(){
    int cnt = 1;
    while(scanf("%d%d%*c" , &n , &q) &&q &&n){
       for(int i = 0 ; i < n ; i++)         
           scanf("%d" , &arrN[i]);
       sort(arrN , arrN+n);
       memset(arrQ , 0 ,sizeof(arrQ));
       for(int i = 0 ; i < q ; i++){
           scanf("%d" , &numQ[i]);
           for(int j = 0 ; j < n ;j++){
               if(numQ[i] == arrN[j]){
                   arrQ[numQ[i]] = j+1;
                   break;
               }
           }
       }
       printf("CASE# %d:\n" , cnt);
       for(int i = 0 ; i < q ; i++){
           if(arrQ[numQ[i]]){
               printf("%d found at %d\n" , numQ[i] , arrQ[numQ[i]]);
           }
           else
               printf("%d not found\n" , numQ[i]);  
       }
       ++cnt;
    }
    return 0;
}


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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