poj 3252 Round Numbers

本文详细介绍了使用数位DP方法解决POJ3252 RoundNumbers问题的过程,包括状态定义、递归关系和边界条件的处理。通过实例分析,读者可以深入理解数位DP在处理特定类型数位问题时的优势。

poj 3252 Round Numbers


这算是个简单数位dp题目

dp[pos][zeros][ones] 表示有pos 个自由位, 前面有zeros个零ones个1,的个数……要注意前导零的情况


#include <cmath>
#include <cstdio>
#include <cstdlib>
#include <iostream>
#include <cstring>
#include <algorithm>

using namespace std;

int dp[32][32][32],bit[32];

int dfs(int pos,int zeros,int ones,bool ok,bool doing)
{
    if(pos<0){
         //cout<<ok<<" "<<zeros<<" "<<ones<<endl;
         if(ok) return zeros>=ones;
         else return 0;
    }
    if(!doing&&dp[pos][zeros][ones]!=-1) return dp[pos][zeros][ones];

    int end=doing?bit[pos]:1;
    int ret=0;
    for(int i=0;i<=end;i++)
    {
        int nz=zeros,no=ones;
        if(ok||i) nz=nz+(i==0),no=no+i;
        ret+=dfs(pos-1,nz,no,ok||i,doing&&i==end);
    }
    if(!doing) dp[pos][zeros][ones]=ret;
    return  ret;
 }
int solve(int n)
{
    int pos=0;
    for(;n;n>>=1,pos++)
       bit[pos]=n&1;
    return dfs(pos-1,0,0,0,1);
}
int main()
{
    memset(dp,-1,sizeof(dp));
    int l,r;
    while(scanf("%d%d",&l,&r)==2)
      printf("%d\n",solve(r)-solve(l-1));
    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
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