#线性基,博弈论#洛谷 4301 JZOJ 3200 BZOJ 3105 新Nim游戏

博客围绕新Nim游戏展开,该游戏是Nim游戏进阶,第一轮可拿走若干堆石子,之后规则同Nim游戏。分析得出Nim游戏先手必胜条件是各堆石子数异或和不为0,可利用线性基去掉异或和为0的情况,为取最小值需从大到小排序,还给出了代码。

题目

Nim游戏进阶,第一轮可以拿走若干堆的石子,之后与Nim游戏相同问先手是否必胜,是的话输出第一轮拿走的最小值,不是输出-1


分析

那么NimNimNim游戏先手必胜当且仅当A1 xor A2 xor…xor An不等于0,那么就要让把等于0的情况去掉,那么可以用到线性基,当无法插入也就说明异或和为0,所以累计答案,但是题目又说取最小值,那么从大到小排序,让大的早点被取掉


代码

#include <cstdio>
#include <cctype>
#include <algorithm>
#define rr register
using namespace std;
typedef long long ll;
int rec[31],n,a[1001]; ll ans;
inline signed iut(){
    rr int ans=0; rr char c=getchar();
    while (!isdigit(c)) c=getchar();
    while (isdigit(c)) ans=(ans<<3)+(ans<<1)+(c^48),c=getchar();
    return ans;
}
inline signed add(int x){
    for (rr int i=30;~i;--i)
    if ((x>>i)&1){
        if (!rec[i]){
            rec[i]=x;
            return 1;
        }
        x^=rec[i];
    }
    return 0;
}
signed main(){
    n=iut();
    for (rr int i=1;i<=n;++i) a[i]=iut();
    sort(a+1,a+1+n);
    for (rr int i=n;i;--i)
    if (!add(a[i])) ans+=a[i];
    return !printf("%lld",ans);
}
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
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