poj3278 广搜

广搜算法及两点剪枝实现
博客介绍了广搜算法并给出两点剪枝策略。一是人在牛右边时只需 -1,二是广搜过程不超边界 100000,2i 超边界不是最优解。还给出了相应的代码实现,通过队列进行广搜,根据剪枝条件更新状态,最终输出结果。

/**

广搜,有两点剪枝

1、当人在牛右边时(i>K),只要-1

2、广搜过程不会超过边界100000

          2i超过边界的不可能是最优解
          设边界为2k,假设2i>2k,则2i-2k>=2,到达2k花费时间为2i-2k+1>=3
           而先-1再乘2,到达2k花费时间为(i-k)*2

*/

#include<stdio.h>
#include<queue>
#include<string.h>

#define MAX 150000

using namespace std;

int count[MAX];

int main()
{
    int i,N,K,min;

    queue<int> qu;
    scanf("%d %d",&N,&K);

    if(K<=N){
        printf("%d\n",N-K);
        return 0;
    }

    for(i=0;i<MAX; ++i)
    {
        count[i]=-1;
    }

    qu.push(N);
    count[N]=0;
    while(!qu.empty())
    {
        i = qu.front();
        qu.pop();
        if(i==K)break;
        if(i<K)//剪枝,当i>k时候,只有-1才能到达
        {
            /*
            * 2i超过边界的不可能是最优解
            * 设边界为2k,假设2i>2k,则2i-2k>=2,到达2k花费时间为2i-2k+1>=3
            * 而先-1再乘2,到达2k花费时间为(i-k)*2
            */
            if(i*2<MAX && count[i*2]==-1)
            {
                qu.push(i*2);
                count[i*2] = count[i]+1;
            }

            if(count[i+1]==-1)
            {
                qu.push(i+1);
                count[i+1] = count[i]+1;
            }
        }
        if(i-1>=0 && count[i-1]==-1)
        {
            qu.push(i-1);
            count[i-1] = count[i]+1;
        }
    }
    printf("%d\n",count[K]);
    return 0;
}

 

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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