PAT 1053 Path of Equal Weight

本文深入探讨了一种基于权重的树形结构遍历算法,通过递归深度优先搜索实现子树权重累加,旨在寻找所有满足特定权重条件的路径。文章详细介绍了算法的核心思路,包括节点标记、权重累积及回溯机制,并提供了完整的C++代码实现。

问题描述:题目链接

思路:暂略

CODE ⇩⇩⇩

#include <bits/stdc++.h>
using namespace std;
int w,weight[100],marked[100],parent[100];
map<int,vector<int>> nonLeafNode;
auto cmp = [](int a,int b){return weight[a] > weight[b];};
auto isLeaf =[](int node){return nonLeafNode.find(node) == nonLeafNode.end();};
void dfs(int node,int sum){
    marked[node] = 1;
    sum += weight[node];
    if((sum < w && isLeaf(node)) || sum > w) return;
    if(sum == w && isLeaf(node)){
        stack<int> s;
        for(int i = node;i != 0;i = parent[i]) s.push(i);
        cout<<weight[0];
        while(!s.empty()) cout<<" "<<weight[s.top()],s.pop();
        cout<<endl;
        return;
    }
    for(auto it : nonLeafNode[node]){
        if(!marked[it]) dfs(it,sum);
    }
    marked[node] = 0;
}
int main() {
    int n,m,node,cnt;
    cin>>n>>m>>w;
    for(int i = 0;i < n;i++) cin>>weight[i];
    while(m--){
        cin>>node>>cnt;
        vector<int> vc(cnt);
        for(int i = 0;i < cnt;i++) {
            cin>>vc[i];
            parent[vc[i]] = node;
        }
        sort(vc.begin(),vc.end(),cmp);
        nonLeafNode[node] = vc;
    }
    dfs(0,0);
    return 0;
}

 

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)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”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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