【LeetCode】210. Course Schedule II (Medium)

本文介绍了一种使用深度优先搜索(DFS)进行拓扑排序的方法,适用于有向无环图(DAG)。通过构建图并追踪节点的发现时间和完成时间,可以有效地检测环并输出节点的拓扑顺序。

【题意】给出一个有向图的边集,输出拓扑排序

【解】根据边集建图,用DFS,找出每个节点的发现时间和完成时间,按完成时间从大到小输出

写的时候把有向边方向写反了。。。

class Solution {
public:
    vector<int> findOrder(int numCourses, vector<pair<int, int>>& prerequisites) {
        init(numCourses, prerequisites);
		int n = 0;
		for (int i = 0; i < numCourses; i++)
		{
			if (!visited[i])
			{
				visited[i] = true;
				pre[i] = n;
				n++;
				dfs(n, numCourses, i);
			}
		}
		if (!find)
		    result.resize(0);
		return result;
    }
    private:
	vector<vector<int>> graph;
	vector<bool> visited;
	vector<int> pre;
	vector<int> post;
	vector<int> result;
	stack<int> temp;
	bool find;
	void init(int numCourses, vector<pair<int, int>>& edges)
	{
		find = true;
		graph.resize(numCourses);
		int n = edges.size();
		for (int i = 0; i < n; i++)
			graph[edges[i].first].push_back(edges[i].second);
		visited.resize(numCourses);
		for (int i = 0; i < numCourses; i++)
			visited[i] = false;
		pre.resize(numCourses);
		for (int i = 0; i < numCourses; i++)
			pre[i] = -1;
		post.resize(numCourses);
		for (int i = 0; i < numCourses; i++)
			post[i] = -1;
	}
	void dfs(int& cur, int n, int start)
	{
		for (size_t i = 0; i < graph[start].size(); i++)
		{
			if (!visited[graph[start][i]])
			{
				visited[graph[start][i]] = true;
				pre[graph[start][i]] = cur;
				cur++;
				dfs(cur, n, graph[start][i]);
			}
			else //判断是不是DAG
			{
				if (pre[graph[start][i]] < pre[start] && post[graph[start][i]] == -1)
					find = false;
			}
		}
		post[start] = cur;
		cur++;
		result.push_back(start); //图建反了,push_back就可以了。。。
	}
};


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,重点研究了正向与逆向运动学求解、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。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与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与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与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 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与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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