luogu P1415 拆分数列

第一步先求出最后的那个数最小为多少。(为了叙述方便,记T(i,j)表示从原数列下标i取到j的数字组成的数。)只需正向dp一次,dp1[i]表示前i个数字分成任意多个递增数且最后的数最小时,最后的数为T(dp1[i],i)。则dp1[i]=max(j),(T(dp1[j−1],j−1)<T(j,i))dp1[i]=max(j),(T(dp1[j-1],j-1)<T(j,i))dp1[i]=max(j)(T(dp1[j1],j1)<T(j,i))

第二步要求最后一个数确定的情况下,前面的数字按字典序尽量大的解。类似上面的方法反向动归一次即可。

算法复杂度O(l3)O(l^3)O(l3)。由于数据大部分为随机,实际运行效率接近O(l2)O(l^2)O(l2)

#include<cstdio>
#include<cstdlib>
#include<algorithm>
#include<cstring>
using namespace std;

const int N = 500 + 5;
int n;
char s[N];
int a[N],d[N],f[N];

inline int cmp(int l1,int r1,int l2,int r2) {
	while(l1<=r1&&a[l1]==0) l1++;
	while(l2<=r2&&a[l2]==0) l2++;
	if(r1-l1+1==0) return r2-l2+1==0 ? 0 : 1;
	if(r1-l1+1 < r2-l2+1) return -1;
	if(r1-l1+1 > r2-l2+1) return 1;
	int len = r1-l1+1;
	for(int i=0;i<len;i++) {
		if(a[l1+i] < a[l2+i]) return -1;
		if(a[l1+i] > a[l2+i]) return 1;
	}
	return 0;
}

inline void dp1() {
	for(int i=1;i<=n;i++) {
		d[i] = 1;
		for(int j=i;j>=1;j--) {
			if(cmp(d[j-1],j-1,j,i) == -1) {d[i]=j;break;}
		}
	}
}

inline void dp2() {
	f[d[n]] = n; int lastzero = d[n];
	while(a[lastzero-1]==0) f[lastzero-1] = n, lastzero--;
	for(int i=d[n]-1;i>=1;i--) {
		for(int j=d[n]-1;j>=i;j--) {
			if(cmp(i,j,j+1,f[j+1]) == -1){f[i]=j;break;}
		}
	}
}

inline void print() {
	int pos = 1,flag = 0;
	while(pos <= n) {
		if(flag) putchar(',');
		flag = 1;
		for(int i=pos;i<=f[pos];i++) printf("%d",a[i]);
		pos = f[pos] + 1;
	}
}

int main() {
	scanf("%s",s+1); n = strlen(s+1);
	for(int i=1;i<=n;i++) a[i] = s[i] - '0';
	dp1();
	dp2();
	print();
	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题,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