hdoj 2830 Matrix Swapping II (DP求最大子矩阵的变型题)

本文介绍了一个通过读取输入的二维矩阵并计算其中由'1'构成的最大矩形区域面积的算法。该算法首先初始化矩阵的高度数组,并利用逐行扫描的方式更新高度数组,同时维护一个计数数组来记录每种高度出现的次数。通过这种方式,可以有效地计算出当前扫描到的所有可能的最大矩形面积。


#include <stdio.h>  
#include <string.h>  
int m, n, h[1001], num[1001];  
char matrix[1001];  
int main() {  
    //freopen("in.txt", "r", stdin);  
    while(scanf("%d %d",&m, &n) != EOF) {  
        getchar();  
        memset(h,0,sizeof(int)*n);  
        int max = 0;  
        for(int i=1; i<=m; i++) {  
            gets(matrix);  
            memset(num,0,sizeof(int)*(i+1));  
            for(int j=0; j<n; j++) {  
                if(matrix[j] == '1')  
                h[j]++;  
                else  
                h[j] = 0;  
                num[h[j]]++;  
                for(int k=1; k< h[j];k++) {  
                    num[k]++;  
                }  
            }  
            for(int k=1; k<=i; k++) {  
            if(max < num[k] * k) max = num[k] * k;  
        }  
    }  
  
    printf("%d\n",max);  
  
}  
return 0;  
}



基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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