1046. Shortest Distance (20)

本文介绍了一种计算特定区间距离和的方法,并通过优化路径来减少总路程。使用动态规划技巧,针对输入的数组元素,计算了从任意起点到终点的最短路径和。代码实现展示了如何通过累加和减法操作来高效地找到最优解。

1.建立一个数组dp[i],记录0到i之间的距离和

2.定义sum,记录全程的路程和

3.求i,j的最短距离时,利用ans=dp[j]-[i]+num[i]-num[j],ans2=sum-ans,min(ans,ans2)即为答案


AC代码:

#include <iostream>
#include <stdio.h>
#include <vector>
#include <stack>
#include <algorithm>
#include <memory.h>
#include <map>
#include <set>
#include "limits.h"
using namespace std;

int main(void)
{
    
    int n;
    scanf("%d",&n);
    int *num=new int[n];
    int *dp=new int[n];
    memset(dp, 0, sizeof(dp));
    int sum=0;
    for(int i=0;i<n;i++)
    {
        scanf("%d",&num[i]);
        if(i==0) dp[i]=num[i];
        else dp[i]=dp[i-1]+num[i];
        sum+=num[i];
    }
    int m;
    scanf("%d",&m);
    for(int i=0;i<m;i++)
    {
        int a,b;
        scanf("%d %d",&a,&b);
        if(a>b) swap(a,b);
        int tmp=dp[b-1]-dp[a-1]+num[a-1]-num[b-1];
        int tmp2=sum-tmp;
        printf("%d\n",min(tmp2,tmp));
    }
    return 0;
}


演示了为无线无人机电池充电设计的感应电力传输(IPT)系统 Dynamic Wireless Charging for (UAV) using Inductive Coupling 模拟了为无人机(UAV)量身定制的无线电力传输(WPT)系统。该模型演示了直流电到高频交流电的转换,通过磁共振在气隙中无线传输能量,以及整流回直流电用于电池充电。 系统拓扑包括: 输入级:使用IGBT/二极管开关连接到全桥逆变器的直流电压源(12V)。 开关控制:脉冲发生器以85 kHz(周期:1/85000秒)的开关频率运行,这是SAE J2954无线充电标准的标准频率。 耦合级:使用互感和线性变压器块来模拟具有特定耦合系数的发射(Tx)和接收(Rx)线圈。 补偿:包括串联RLC分支,用于模拟谐振补偿网络(将线圈调谐到谐振频率)。 输出级:桥式整流器(基于二极管),用于将高频交流电转换回直流电,以供负载使用。 仪器:使用示波器块进行全面的电压和电流测量,用于分析输入/输出波形和效率。 模拟详细信息: 求解器:离散Tustin/向后Euler(通过powergui)。 采样时间:50e-6秒。 4.主要特点 高频逆变:模拟85 kHz下IGBT的开关瞬态。 磁耦合:模拟无人机着陆垫和机载接收器之间的松耦合行为。 Power GUI集成:用于专用电力系统离散仿真的设置。 波形分析:预配置的范围,用于查看逆变器输出电压、初级/次级电流和整流直流电压。 5.安装与使用 确保您已安装MATLAB和Simulink。 所需工具箱:必须安装Simscape Electrical(以前称为SimPowerSystems)工具箱才能运行sps_lib块。 打开文件并运行模拟。
### 尾递归优化旅行商问题 (TSP) 尾递归是一种通过将递归调用的结果直接返回给上一层调用的方式,避免了额外的栈帧开销。在解决 TSP 问题时,暴力递归方法通常会列出所有可能的路径并计算其总长度,但这种方法可能导致栈溢出或性能瓶颈。为了优化代码,可以采用尾递归形式,并结合辅助函数保存中间状态。 以下是将暴力递归改写为尾递归的具体实现[^1]: ```python def tsp_tail_recursive(distance_matrix, visited=None, current_path=None, current_cost=0, start=0): # 初始化访问状态和路径 if visited is None: visited = [False] * len(distance_matrix) if current_path is None: current_path = [] n = len(distance_matrix) visited[start] = True current_path.append(start) # 如果所有城市都被访问过,计算回路成本并返回 if len(current_path) == n: return current_cost + distance_matrix[start][0], current_path + [0] # 辅助函数用于尾递归调用 def helper(min_cost=float('inf'), best_path=None): for next_city in range(n): if not visited[next_city]: new_cost = current_cost + distance_matrix[start][next_city] cost, path = tsp_tail_recursive( distance_matrix, visited[:], # 深拷贝访问状态 current_path[:], # 深拷贝当前路径 new_cost, next_city ) if cost < min_cost: min_cost = cost best_path = path return min_cost, best_path return helper() ``` #### 代码说明 - **`distance_matrix`**: 表示城市间距离的二维矩阵。 - **`visited`**: 记录哪些城市已经被访问。 - **`current_path`**: 当前路径上的城市序列。 - **`current_cost`**: 当前路径的累计成本。 - **`start`**: 当前所在的城市索引。 上述代码中,通过 `helper` 函数实现了尾递归调用,避免了每次递归调用后需要额外的栈空间来存储中间结果。每次递归仅依赖当前状态和累积结果,从而显著提高了性能。 #### 注意事项 尽管 Python 解释器不支持自动优化尾递归,但上述代码通过手动管理状态变量模拟了尾递归的效果。对于非常大的输入规模,仍可能遇到栈溢出问题,此时建议使用迭代方法或其他更高效的算法(如动态规划或启发式搜索)。 --- ###
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