uva_10404_Bachet's Game

本文介绍了一种使用动态规划解决博弈论问题的方法,并通过一个具体的编程实例详细展示了如何定义状态、实现状态转移等关键步骤。
这道题居然卡了一天,自愧。
状态:dp[i]表示在数为i的时候先下的那个人是否输赢
状态转移:dp[i] 前的状态dp[j]能否到达dp[i],若能而且
dp[j] = 0, dp[i] = 1,则表示第n开始的时候第一人可以有必胜的把握
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

#define MAXVAL          11
#define MAXN            1000001

int dp[MAXN], val[MAXVAL], flag, m;

int sure_win(const int &n)
{
        memset(dp, 0, sizeof(int)*(n+1)); dp[0] = 0;
        for(int i = 0; i <= n; i ++) {
                for(int j = 0; j < m; j ++) {
                        if( i < val[j] || dp[i] ) {
                                continue;
                        }
                        if( !dp[i-val[j]] ) {
                                dp[i] = 1;
                        }
                }
        }
        return dp[n];
}

int main(int argc, char const *argv[])
{
#ifndef ONLINE_JUDGE
        freopen("test.in", "r", stdin);
#endif
        int n;
        while( ~scanf("%d %d", &n, &m) ) {
                for(int i = 0; i < m; i ++) {
                        scanf("%d", &val[i]);
                }
                if ( sure_win(n) ) {
                        printf("Stan wins\n"); continue;
                }
                printf("Ollie wins\n");
        }
        return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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