CFGym 101532C Large Summation (算法pair+暴力)

博客介绍了pair函数,包括其定义形式如pair<变量类型1,变量类型2>,可用make_pair建立并赋值,还说明了访问pair中值的方法。同时给出解题思路,根据数与mod的关系确定答案,也提及可用二分搜索符合情况的数。

学到了一个pair函数,pair<变量类型1,变量类型2>,如pair<int,int>,pair<string,int>,pair<char,char>......

make_pair用来建立并赋值。

pair<int,int> a[N]:  a[i].first和a[i].second分别访问pair中的第一个值和第二个值。

以上。

思路:因为所有数都不会超过mod,所以对于任意x,加上一个y小于mod的时候,最后的值是在x到mod之间的。 

但是加上一个y大于等于mod小于等于2*mod的时候,最后得到的值(%mod后)是在0到x之间的。 

所以只要有y使x+y<mod,则x+y就一定是最后的答案。只要当不存在这样的y时,才考虑x+y>=mod的情况,这时其实只要取最大的数即可。
(另一种做法是用二分每次搜索符合情况的数)

#include <iostream>
#include <string>
#include <cstring>
#include <cstdlib>
#include <cstdio>
#include <algorithm>
#define ll long long
#define mod 1000000007
using namespace std;
const int maxn=1e5+10;

pair<ll,int> a[maxn];
ll ans[maxn];
int T,n;
ll t;

void init()
{
    sort(a+1,a+n+1);
    int j=n;
    for(int i=1; i<=n; i++)
    {
        for(; j>=1; j--) //因为从小到大排列,所以在找符合mod-a[i].first>0的a[j].first越来越小,每次只要从上一次的位置开始往前找就行。
                         //如果每次都从最后的数n找一遍会超时。
        {
            if(i==j)
                continue;
            if(a[i].first+a[j].first>=mod)
                continue;
            ans[a[i].second]=a[i].first+a[j].first;
            break;
        }
        if(ans[a[i].second]==-1)
        {
            ans[a[i].second]=(a[i].first+a[i==n?n-1:n].first)%mod;
        }
    }
    for(int i=1; i<=n; i++)
    {
        printf("%lld ",ans[i]);
    }
    printf("\n");
}

int main()
{
    scanf("%d",&T);
    while(T--)
    {
        memset(a,0,sizeof(a));
        memset(ans,-1,sizeof(ans));
        scanf("%d",&n);
        for(int i=1; i<=n; i++)
        {
            scanf("%lld",&t);
            a[i]=make_pair(t,i);
        }
//        for(int i=1;i<=n;i++)
//        {
//            cout<<a[i].first<<" "<<a[i].second<<endl;
//        }
        init();
    }
    return 0;
}

 

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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