bzoj 1783: [Usaco2010 Jan]Taking Turns【贪心+dp】

本文介绍了一个结合了贪心与动态规划思想的博弈问题求解方法。通过定义状态转移方程,实现了从n走到i的最大值计算,适用于两人轮流取数的游戏问题。文中提供了一份完整的C++实现代码。

不知道该叫贪心还是dp
倒着来,记f[0][i],f[1][i]分别为先手和后手从n走到i的最大值。先手显然是取最大的,当后手取到比先手大的时候就交换

#include<iostream>
#include<cstdio>
using namespace std;
const int N=700005;
int n,a[N],w=n;
long long f[2][N],mx;
int read()
{
    int r=0,f=1;
    char p=getchar();
    while(p<'0'||p>'9')
    {
        if(p=='-')
            f=-1;
        p=getchar();
    }
    while(p<='9'&&p>='0')
    {
        r=r*10+p-48;
        p=getchar();
    }
    return r*f;
}
int main()
{
    n=read();
    for(int i=1;i<=n;i++)
        a[i]=read();
    for(int i=n;i>=1;i--)
    {
        f[0][i]=mx,f[1][i]=f[1][w];
        if(f[0][i]<=f[1][w]+a[i])
        {
            f[0][i]=f[1][w]+a[i];
            mx=f[0][i];
            w=i;
            f[1][i]=f[0][i+1];
        }
    }
    printf("%lld %lld\n",f[0][1],f[1][1]);
    return 0;
}

转载于:https://www.cnblogs.com/lokiii/p/9247644.html

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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