POJ 2182 Lost Cows

本文讨论了一个关于牛的编号排列问题的解决方法,通过初始排列的限制和优化后的线段树二分查找算法,实现了从复杂度O(n^2)优化到O(n*logn)的目标。

http://poj.org/problem?id=2182

题目大意是,有N头牛,站成一排,但是他们并不是按照1--N的顺序站的,而是打乱了顺序地排成一排。现在已知牛的头数N和每头牛前面比它编号大的牛的头数,要你确定每头牛编号。

思路:一开始,由于给了N头牛前面有多少头牛比它的编号大,并且牛的编号是1--N, 我们可以从最后一头牛前面有多少头牛的编号比它打而确定出最后一头牛的编号,接着在1--N中将刚才最后一位确定的编号去掉(此时等效的编号变成了1--N-1),此时再由最后一头牛的pre[i]值就可以得出倒数第二头牛的编号,一次类推就得出所有牛的编号。  这样的复杂度为:O(n^2),在n较大的时候会超时,需要优化。 仔细想一下我们就可以发现,能优化的地方也就是后面的一个步骤,即找出第pre[i]+1个编号。 我们用线段树二分方法去寻找这个给定的数,线段树的每个结点维护一个len 值,指出该区间内还有多少个编号未被使用,这样复杂度就会变成O(n*logn)。

代码:

#include<stdio.h>
#include<string.h>
#define MAXN 8005
struct Node{
	int l ,r ;
	int len ;			//存放该区间内还有多少个未使用的编号 
}p[MAXN*3] ;
int pre[MAXN] ;
int ans[MAXN] ;
int N; 
void Build(int l, int r, int idx){
	p[idx].l = l ;
	p[idx].r = r ;
	p[idx].len = r - l + 1 ;
	if(l == r){
		return ;	
	}	
	int mid = (l + r) >> 1 ; 
	Build(l,mid,idx<<1) ;
	Build(mid+1,r,(idx<<1)+1);
}
int query(int num , int idx){
	if(p[idx].l == p[idx].r){
		p[idx].len = 0 ;
		return p[idx].l ;	
	}	
	else{
		int res ;
		int mid = (p[idx].l + p[idx].r) >> 1 ;		
		if(p[idx<<1].len < num){
			res = query( num-p[idx<<1].len ,(idx<<1)+1 );	
		}
		else{
			res = query(num ,idx<<1);	
		}
		p[idx].len = p[idx<<1].len + p[(idx<<1)+1].len ;
		return res ;
	}
	
}

int main(){
	while(scanf("%d",&N) == 1){
		pre[1] = 0 ;
		for(int i=2;i<=N;i++)
			scanf("%d",&pre[i]);
		Build(1,N,1);
		for(int i=N;i>=1;i--){
			ans[i] = query(pre[i]+1,1);	
		}
		for(int i=1;i<=N;i++)
			printf("%d\n",ans[i]);
	}		
	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逼近,提升机械臂运动控制的精度效率。同时涵盖了路径规划中的RRT算法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高精度轨迹跟踪控制;④结合RRTB样条完成平滑路径规划优化。; 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神经网络训练,注重理论推导仿真实验的结合,以充分理解机械臂控制系统的设计流程优化策略。
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