5765. 跳跃游戏 VII

本文分享了一种解决路径问题的方法,利用前缀和技巧高效判断在字符串s中,从一个点出发通过跳跃达到目标点0时的区间可达性。通过正序遍历并维护可达点数量,避免了倒序操作导致的错误。关键在于理解并正确使用前缀和来加速判断过程。

思路

每次可以选择给定区间的步数进行跳跃,并且要求达到的点权值为0.
考虑一个点能达到,那么要求这个点满足两个要求
1.当前权值为0
2.[i-ma,i-mi]这个区间存在可以跳到的点

第一个条件直接判断即可,第二个条件呢?
我们可以用前缀和保存能到达的点的数量,那么就可以O(1)算出区间中是否有可达到的点就行了

赛中有想到这个做法,不知道怎么脑抽了想着倒序去搞(显然正序才行),然后就hack想法了,果然大早上不如晚上有精神

计算上一个区间的时候要注意边界

class Solution {
public:
    bool canReach(string s, int minJump, int maxJump) {
        int n=s.size();
        vector<int>sum(n+1,0);//前缀和保存可到达的点的数量
        sum[1]=1;
        for(int i=1;i<n;i++){
            int flag=0;
            //计算上一个区间,注意边界处理
            if(s[i]=='0'){
                int l=max(i-maxJump,0),r=i-minJump;
                if(r>=0 && l<=r && sum[r+1]-sum[l]) flag=1;
            }
            sum[i+1]=sum[i]+flag;
        }
        return sum[n]-sum[n-1]; //看点n能不到达到
    }
};

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
评论 2
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

打赏作者

我不会c语言

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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