hdu1176 dp

免费馅饼问题。

分析:

一道比较简单的dp问题,只要想到用dp[i][j]去表示第i秒走到位置j所得到的最多馅饼数,这道题目也就解决了。

状态转移方程是:

dp[i][j] += max(dp[i+1][j-1],max(dp[i+1][j],dp[i+1][j+1]));

从最后一秒反向递推比较方便。

具体见代码:

//1176
#include <iostream>
#include <cstdio>
#include <cstring>
#include <cmath>
#include <algorithm>
#include <string>
using namespace std;

int const maxn = 100005;
int dp[maxn][12];
//dp[i][j]表示的是第i秒站在位置j处共得到的馅饼数量

int main()
{
    int n;
    while(scanf("%d",&n)!=EOF && n)
    {
        int num = -1;//最大的秒数
        memset(dp,0,sizeof(dp));
        for(int i = 0 ; i < n ; i++)
        {
            int x,y;
            scanf("%d%d",&x,&y);
            if(y>num)num=y;
            dp[y][x+1]++;
            //位置变为1到11,这样处理边界好一点
        }
        for(int i = num ; i >= 0 ; i--)
        {
            for(int j = 1 ; j <= 11 ; j++)
            {
                dp[i][j] += max(dp[i+1][j-1],max(dp[i+1][j],dp[i+1][j+1]));
            }
        }
        printf("%d\n",dp[0][6]);
    }
    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
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