soj 1396. Q

很久之前WA的一道题目,现在翻出来,虽然还是不能理解题目所描述的一个位置到另一个位置是怎么回事,但是可以模拟出他所给出的描述中的样例和样例中的样例了。然后竟然过了,真是不容易。

描述里面给出的样例:

Item1 Item2 Item3 Item4 Item5 Item6 Item7 Item8

If the following queue operations were applied:

2 to 6; 6 to 3; 4 to 5; 5 to 2; 7 to 4; 8 to 1

then the resulting queue would be:

Item8 Item5 Item6 Item7 Item4 Item2 Item1 Item3

最初状态:

Item       :1 2 3 4 5 6 7 8
position:X X X X X X X X

执行完之后:

Item       :1 X 3 X X X X X
position:8 5 6 7 4 2 X X

这样,把 Item 中没有被定位的 Item 顺次插入Position 中就可以得到结果了。

于是,代码:

#include <iostream>
using namespace std;

int p[25], t, n, q, a, b, i, j;
string s[25];
int main()
{
	ios::sync_with_stdio(false);
	cin >> t;
	while (t --)
	{
		cin >> n >> q;
		for (i = 1; i <= n; ++ i)
		{
			cin >> s[i];
			p[i] = 0;
		}
		while (q --)
		{
			cin >> a >> b;
			p[a] = b;
		}
		for (i = 1; i <= n; ++ i)
		{
			for (j = 1; j <= n; ++ j)
			{
				if (p[j] == i)
				{
					cout << s[j];
					break;
				}
			}
			if (j == n+1)
			{
				for (j = 1; j <= n; ++ j)
				{
					if (p[j] == 0)
					{
						cout << s[j];
						p[j] = -1;
						break;
					}
				}
			}
			if (i == n) cout << endl;
			else cout << " ";
		}
	}
}

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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