HDU - 6739 Invoker(DP)

本文介绍了Dota2中祈求者(Invoker)的技能组合与释放策略,通过动态规划解决在有限操作下实现技能序列的最小按键次数问题。详细解析了技能组合对应的特殊效果,并给出了代码实现示例。

HDU - 6739 Invoker(DP)

In dota2, there is a hero named Invoker. He has 3 basic skills in the game, which are Quas, Wex and Exort. Once he launches a basic skill, he will gain the corresponding element, where Quas gives “Q”, Wex gives “W” and Exort gives “E”.
Invoker can’t have more than 3 elements simultaneously. If he launches a basic skill when he already owns 3 elements, he will get the corresponding element and lose the element he gained the earliest.
As can be seen, there are 10 unordered combinations of 3 elements in 3 types, each represents a special skill, which are as follows:

Cold Snap: unordered element combination “QQQ”, denoted by “Y”

Ghost Walk: unordered element combination “QQW”, denoted by “V”

Ice Wall: unordered element combination “QQE”, denoted by “G”

EMP: unordered element combination “WWW”, denoted by “C”

Tornado: unordered element combination “QWW”, denoted by “X”

Alacrity: unordered element combination “WWE”, denoted by “Z”

Sun Strike: unordered element combination “EEE”, denoted by “T”

Forge Spirit: unordered element combination “QEE”, denoted by “F”

Chaos Meteor: unordered element combination “WEE”, denoted by “D”
Deafening Blast: unordered element combination “QWE”, denoted by “B”

When Invoker owns 3 elements, he can launch the invoking skill, denoted by “R”, to gain the special skill according to the elements he currently owns. After invoking, the elements won’t disappear, and the chronological order of the 3 elements won’t change.
Now given a sequence of special skills, you want to invoke them one by one with using the minimum number of basic skills(Q,W,E) and invoking skill®. Print the minimum number in a single line.
At the beginning, Invoker owns no elements. And you should re-invoke the special skills even if you have already invoked the same skills just now.
Input
Input a single line containing a string s (1 ≤ |s| ≤ 100 000) that only contains uppercase letters in {B, C, D, F, G, T, V, X, Y, Z}, denoting the sequence of special skills.
Output
Output a single line containing a positive integer, denoting the minimum number of skills to launch.

在 dota2 中有一个叫做祈求者(Invoker)的英雄,在游戏中他有三个基础技能:冰(Quas),雷(Wex),火(Exort),每施展一个技能就可以获得相应属性的一个法球(element)。

题目大意

但是祈求者同时最多只能有三个法球,即如果他在有三个法球的状态下又使用了某个法球技能,那么他会获得该法球,并失去之前三个法球中最先获得的一个。

不难得出,祈求者身上的三个法球的无顺序组合有 10 种,每一种都对应着一个组合技能:

  1. 急速冷却(Cold Snap),无序组合 QQQ,用 Y 表示
  2. 幽灵漫步(Ghost Walk),无序组合 QQW,用 V 表示
  3. 寒冰之墙(Ice Wall),无序组合 QQE,用 G 表示
  4. 电磁脉冲(EMP),无序组合 WWW,用 C 表示
  5. 强袭飓风(Tornado),无序组合 QWW,用 X 表示
  6. 灵动迅捷(Alacrity),无序组合 WWE,用 Z 表示
  7. 阳炎冲击(Sun Strike),无序组合 EEE,用 T 表示
  8. 熔炉精灵(Forge Spirit),无序组合 QEE,用 F 表示
  9. 混沌陨石(Chaos Meteor),无序组合 WEE,用 D 表示
  10. 超震声波(Deafening Blast),无序组合 QWE,用 B 表示

当祈求者拥有三个法球的时候,使用元素祈唤(Invoke)技能,用 R 表示,便可获得当前法球组合所对应的技能,同时原有的三个法球也不会消失,先后顺序的状态也不会改变。

现在给定一个技能序列,你想按照给定的顺序将他们一个一个地祈唤出来,同时你想用最少的按键来达到目标,所以你想知道对于给定的一个技能序列,最少按多少次键才能把他们都祈唤出来。

注意:游戏开始的时候,祈求者是没有任何法球的。

Input

仅一行一个字符串 s,表示技能序列。其中所有字母都是大写,且在 {B,C,D,F,G,T,V,X,Y,Z} 内。

1≤|s|≤105

Output

仅一行一个正整数,表示最少按键次数。

思路

首先要释放s.lenth()个技能,即要按下s.lenth()个R键
对于一个长度为3的字符串 一共有六种排列,我们可以以123来举例:
123
132
213
231
312
321
那么我们可以用dp[i][j]来表示第i个技能以第j中排列顺序释放时所需要的最小按键次数(不包括R键)
由此可以线性dp求解

#include<string>
#include<set>
#include<map>
#include<queue>
#include<stack>
#include<cmath>
#include<vector>
#include<iostream>
#include<algorithm>
#include<cstdio>
#include<cstring>
using namespace std;
#define LL long long
#define MOD 1000000007
#define PI 3.1415926535898
#define INF 0x3f3f3f3f
#define MAXN 80000080
const double EPS = 1e-8;
LL read()
{
	LL x = 0, w = 1;
	char ch = 0;
	while (ch < '0' || ch>'9')
	{
		if (ch == '-')
		{
			w = -1;
		}
		ch = getchar();
	}
	while (ch >= '0' && ch <= '9')
	{
		x = x * 10 + ch - '0';
		ch = getchar();
	}
	return w * x;
}
string a,s[11];
int mp[15][15];
bool ok=0;
LL sum=0;
int g(char c)
{
	if(c=='Y')
		return 1;
	if(c=='V')
		return 2;
	if(c=='G')
		return 3;
	if(c=='C')
		return 4;
	if(c=='X')
		return 5;
	if(c=='Z')
		return 6;
	if(c=='T')
		return 7;
	if(c=='F')
		return 8;
	if(c=='D')
		return 9;
	if(c=='B')
		return 10;
	
}
int dp[100000][7];
int xx[7][4]={{0,0,0,0,},{0,1,2,3},{0,1,3,2},{0,2,1,3},{0,2,3,1},{0,3,1,2},{0,3,2,1}};
int f(int x,int y,int ax,int ay)
{
	char aa[4],bb[4];
	for(register int i=1;i<=3;i++)
	{
		aa[i]=s[x][xx[ax][i]];
		bb[i]=s[y][xx[ay][i]];
	}
	int s=0;
	for(register int i=1;i<=3;i++)
	{
		bool ok=1;
		for(register int j=1;j<=i;j++)
		{
			if(aa[3-i+j]!=bb[j])
			{
				ok=0;
				break ;
			}
			
		}
		if(ok)
			s=i;
	}
	return 3-s;
}
int main()
{
	s[1]="AQQQ";
	s[2]="AQQW";
	s[3]="AQQE";
	s[4]="AWWW";
	s[5]="AQWW";
	s[6]="AWWE";
	s[7]="AEEE";
	s[8]="AQEE";
	s[9]="AWEE";
	s[10]="AQWE";
	while(cin>>a)
	{
		memset(dp,0x3f3f3f,sizeof(dp));

	sum+=a.length();
	for(register int i=1;i<=6;i++)
	{
		dp[0][i]=3;
	}
	for(register int i=1;i<a.length();i++)
	{
		for(register int x=1;x<=6;x++)
		{
			for(register int y=1;y<=6;y++)
			{
//				printf("%c %c\n",a[i-1],a[i-1]);
//				printf("dp[%d][%d]=min(%d+%d,%d)\n",i,y,dp[i-1][x],f(g(a[i-1]),g(a[i-1]),x,y),dp[i][y]);
				dp[i][y]=min(dp[i-1][x]+f(g(a[i-1]),g(a[i]),x,y),dp[i][y]);
			}
		}
	}
	int mi=0x3f3f3f;
	for(register int i=1;i<=6;i++)
	{
		mi=min(mi,dp[a.length()-1][i]);
	 } 
	cout<<sum+mi<<endl;
	sum=0;

	} 
	
	return 0;
}
内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
内容概要:文章围绕智能汽车新一代传感器的发展趋势,重点阐述了BEV(鸟瞰图视角)端到端感知融合架构如何成为智能驾驶感知系统的新范式。传统后融合与前融合方案因信息丢失或算力需求过高难以满足高阶智驾需求,而基于Transformer的BEV融合方案通过统一坐标系下的多源传感器特征融合,在保证感知精度的同时兼顾算力可行性,显著提升复杂场景下的鲁棒性与系统可靠性。此外,文章指出BEV模型落地面临大算力依赖与高数据成本的挑战,提出“数据采集-模型训练-算法迭代-数据反哺”的高效数据闭环体系,通过自动化标注与长尾数据反馈实现算法持续进化,降低对人工标注的依赖,提升数据利用效率。典型企业案例进一步验证了该路径的技术可行性与经济价值。; 适合人群:从事汽车电子、智能驾驶感知算法研发的工程师,以及关注自动驾驶技术趋势的产品经理和技术管理者;具备一定自动驾驶基础知识,希望深入了解BEV架构与数据闭环机制的专业人士。; 使用场景及目标:①理解BEV+Transformer为何成为当前感知融合的主流技术路线;②掌握数据闭环在BEV模型迭代中的关键作用及其工程实现逻辑;③为智能驾驶系统架构设计、传感器选型与算法优化提供决策参考; 阅读建议:本文侧重技术趋势分析与系统级思考,建议结合实际项目背景阅读,重点关注BEV融合逻辑与数据闭环构建方法,并可延伸研究相关企业在舱泊一体等场景的应用实践。
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