CF K. Killer Challenge

本文介绍了一个名为CFK.KillerChallenge的问题,并通过状态动态规划的方法进行解答。主要思路在于利用前8项素因子的积超过100万的特点,将状态限制在2^8个之内,通过预处理素数并计算区间内的素因子状态,进而求得最少切割次数及最大素因子乘积。

题目:CF K. Killer Challenge

思路:状态dp

前8项素因子的积就超过了100w,所以状态至多只有2^8个


#include <cstring>
#include <iostream>
#include <cstdio>
#include <vector>
#include <algorithm>
#include <cmath>
using namespace std;
#define maxn 1000010
bool vis[maxn];
vector<int>v,prime;
int sum[110],num[110];
int dp[110][1025];
int pnt[110][110];
void Prime()
{
    prime.clear();
    memset(vis,true,sizeof(vis));
    vis[0]=vis[1]=false;
    for(int i=2;i<maxn;i++)
        if(vis[i])
        {
            prime.push_back(i);
            for(int j=2*i;j<maxn;j+=i)
                vis[j]=false;
        }
}
int main()
{
    Prime();
    int T;
    scanf("%d",&T);
    while(T--)
    {
        int n,p;
        v.clear();
        scanf("%d%d",&n,&p);
        sum[0]=0;
        for(int i=1;i<=n;i++)
        {
            scanf("%d",&num[i]);
            sum[i]=sum[i-1]+num[i];
        }
        for(int i=0;i<prime.size() && prime[i]<=p ;i++)
        {
            if(p%prime[i]==0)
            {
                p/=prime[i];
                v.push_back(prime[i]);
            }
        }
        for(int i=1;i<=n;i++)
        {
            for(int j=i;j<=n;j++)
            {
                pnt[i][j]=0;
                for(int k=0;k<v.size();k++)
                    if((sum[j]-sum[i-1])%v[k]==0)
                        pnt[i][j]|=(1<<k);
            }
        }
        memset(dp,0x3f,sizeof(dp));
        int sb=dp[0][0];
        for(int i=1;i<=n;i++)
        {
            for(int j=0;j<(1<<v.size());j++)
            {
                if((pnt[1][i]&j)==j)
                    dp[i][j]=0; //一次都不用切
                for(int k=i+1;k<=n;k++)
                    dp[k][pnt[i+1][k]|j]=min(dp[i][j]+1,dp[k][pnt[i+1][k]|j]);
            }
        }
        int ans=1,miao=0;
        for(int i=0;i<(1<<v.size());i++)
        {
            int tmp=1;
            for(int j=0;j<v.size();j++)
                if((1<<j)&i)
                    tmp*=v[j];
            if(tmp>ans && dp[n][i]!=sb)
            {
                ans=tmp;
                miao=dp[n][i];
            }
        }
        printf("%d %d\n",ans,miao);
    }
    return 0;
}



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)内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,详细介绍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的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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