二维动规思想,j 具有明显枚举特征

本文解析了四个经典的动态规划问题:邮局选址、股票买卖、项目安排及懒惰工人问题。通过对这些问题的分析,总结出一维和二维动态规划的通用解题思路。文章通过实例详细解释了状态定义、状态转移方程及如何进行枚举。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

  1. POJ Post Office
  2. 九度 买卖股票
  3. 九度 项目安排
  4. POJ Lazy Worker
  5. Leetcode Word Break
  6. 九度 座位问题

 

思路

1. 第一二道题是二维DP, 第三四道题是一维DP, 但是大体上来看, 思路是相同的

2. 四道题的公共特征是: i 是物品, j 是数量, dp[i][j] 可以是方案数, 也可以是最值; 当最外层循环到 i 时, 需要做出选择, 不同的选择代价不同; 都有枚举的过程; j 是比较明显的可以枚举的量, 题目往往会给 j 设置个上限

3. 第一道题, dp[i][j] 表示前 i 个村子放 j 个邮局的最小距离. dp[i][j] = min(dp[k][j-1] + dist[k+1][i]) 枚举最后一个邮局的位置

4. 第二道题, dp[i][j] 表示前 i 天买卖 j 次股票的最大收益. dp[i][j] = min(dp[k][j-1] + price[i]-price[k+1]), 枚举最后一次股票交易在哪一天

5. 第三道题, dp[i] 表示在第 i 个job 的截止时间前能够获得的最大收益. dp[i] = max(dp[i-job[i].time] + dp[j]), 枚举第 i 个 job 做或不做

6. 第四道题, dp[i] 表示 i~endtime 能够获得的最大收益. dp[i] = dp[i+job[i].time] + job[i].value 枚举第 i 天可以做的所有工作

 

转载于:https://www.cnblogs.com/zhouzhuo/p/3618824.html

内容概要:本文档详细介绍了基于事件触发扩展状态观测器(ESO)的分布式非线性车辆队列控制系统的实现。该系统由N+1辆车组成(1个领头车和N个跟随车),每辆车具有非线性力学模型,考虑了空气阻力、滚阻力等非线性因素及参数不确定性和外部扰。通过事件触发ESO估计总扰,基于态面控制方法设计分布式控制律,并引入事件触发机制以减少通信和计算负担。系统还包含仿真主循环、结果可视化等功能模块。该实现严格遵循论文所述方法,验证了观测误差有界性、间距误差收敛性等核心结论。 适合人群:具备一定编程基础,对非线性系统控制、事件触发机制、扩展状态观测器等有一定了解的研发人员和研究人员。 使用场景及目标:①研究分布式非线性车辆队列控制系统的理论与实现;②理解事件触发机制如何减少通信和计算负担;③掌握扩展状态观测器在非线性系统中的应用;④学习态面控制方法的设计与实现。 其他说明:本文档不仅提供了详细的代码实现,还对每个模块进行了深入解析,包括非线性建模优势、ESO核心优势、态面控制与传统反步法对比、事件触发机制优化等方面。此外,文档还实现了论文中的稳定性分析,通过数值仿真验证了论文的核心结论,确保了系统的稳定性和有效性。建议读者在学习过程中结合代码进行实践,并关注各个模块之间的联系与相互作用。
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