hdu5375 dp+递推

本文介绍了一种利用动态规划解决特定格雷码问题的方法。问题要求根据一段包含不确定数字的二进制码,计算所有可能的格雷码转换后能获得的最大数字和。文章提供了详细的算法思路及C++实现代码。

题意:

给出一段二进制码,其中有些位置的数字不确定用"?"表示,这些位置可以为0也可以为1,然后将这个数字的所有可能转化为相应的格雷码,格雷码对应的数字串中位置为i的数字是1的话就可以得到a[i],问最终所有的格雷码中能得到的最大数字和是多少。

分析:

首先我们要知道怎样由二进制求得格雷码,由二进制转化为格雷码的公式为将二进制右移一位然后与原来的二进制码按位异或。

这样我们就可以用dp的方法来解题。

dp[i][0]表示的是二进制码中第i位数字为0是得到的最大值

dp[i][1]表示的是二进制码中第i位数字为1是得到的最大值

所有的dp初始化为负无穷大,表示可能永远也到不了这个状态,比喻我们要计算dp[10][0],但是可能原来的第11个位置是一个确切的数字1,那么就永远也到不了这个状态。

递推公式为:

if(str[i]=='1'||str[i]=='?') dp[i][1] = max(dp[i-1][1],dp[i-1][0]+a[i]);
if(str[i]=='0'||str[i]=='?') dp[i][0] = max(dp[i-1][0],dp[i-1][1]+a[i]);

这个递推公式需要对照这二进制和格雷码的转化来看。


#include <iostream>
#include <cstring>
#include <cmath>
#include <cstdio>
#include <algorithm>
#include <queue>
using namespace std;

#define inf 0x3f3f3f3f
int const maxn = 200005;
char str[maxn];
int a[maxn];
int dp[maxn][2];
//dp[i][0]表示的是第i位是0得到的最大值
//dp[i][1]表示的是第i位是1得到的最大值

int main()
{
    int t,n;
    scanf("%d",&t);
    int num = 1 ;
    while(t--)
    {
        scanf("%s",str);
        n = strlen(str);
        for(int i = 0 ; i < n ; i++)
        {
            scanf("%d",&a[i]);
        }
        memset(dp,0,sizeof(dp));
        dp[0][0]=-inf;
        dp[0][1]=-inf;   //初始化为负无穷放大表明默认无法到达这个状态
        if(str[0]=='1'||str[0]=='?')dp[0][1]=a[0];
        if(str[0]=='0'||str[0]=='?')dp[0][0]=0;
        for(int i = 1 ; i < n ; i++)
        {
            dp[i][0]=-inf;
            dp[i][1]=-inf;
            if(str[i]=='1'||str[i]=='?') dp[i][1] = max(dp[i-1][1],dp[i-1][0]+a[i]);
            if(str[i]=='0'||str[i]=='?') dp[i][0] = max(dp[i-1][0],dp[i-1][1]+a[i]);
        }
        printf("Case #%d: %d\n",num++,max(dp[n-1][0],dp[n-1][1]));
    }
    return 0;
}


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,用于纳米定位系统的预测控制研究”展开,提出了一种结合Koopman算子理论与递归神经网络(RNN)的数据驱动建模方法,旨在对非线性纳米定位系统进行有效线性化建模,并实现高精度的模型预测控制(MPC)。该方法利用Koopman算子将非线性系统映射到高维线性空间,通过递归神经网络学习系统的动态演化规律,构建可解释性强、计算效率高的线性化模型,进而提升预测控制在复杂不确定性环境下的鲁棒性与跟踪精度。文中给出了完整的Matlab代码实现,涵盖数据预处理、网络训练、模型验证与MPC控制器设计等环节,具有较强的基于数据驱动的 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)可复现性和工程应用价值。; 适合人群:具备一定控制理论基础和Matlab编程能力的研究生、科研人员及自动化、精密仪器、机器人等方向的工程技术人员。; 使用场景及目标:①解决高精度纳米定位系统中非线性动态响应带来的控制难题;②实现复杂机电系统的数据驱动建模与预测控制一体化设计;③为非线性系统控制提供一种可替代传统机理建模的有效工具。; 阅读建议:建议结合提供的Matlab代码逐模块分析实现流程,重点关注Koopman观测矩阵构造、RNN网络结构设计与MPC控制器耦合机制,同时可通过替换实际系统数据进行迁移验证,深化对数据驱动控制方法的理解与应用能力。
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