星际争霸II 战斗问题

本模拟通过设定参数,如距离、攻击力等,来判断跳虫与陆战队员战斗的结果。使用C++实现了一个简单的回合制战斗系统,根据输入的不同数值决定最终胜利者。
试题描述

两只跳虫在和陆战队员进行战斗。最初,陆战队员在跳虫离他一定距离时发现了跳虫(两只跳虫并排进攻),开始攻击(只能攻击一只)。当跳虫与陆战队员距离为0时,同时发动攻击。假设跳虫一个时间单位走一米,或每只攻击一次。陆战队员每个时间单位攻击一次。问最后是陆战队员赢了,还是跳虫赢。

 

                     VS     

输入
五个整数,n(n <= 87) , k(5 <= k <= 8), l(5 <= l <= 8), m(1 <= m <= 35), x(1 <= x <= 45)。
这几个数分别表示陆战队员发现敌人的距离,跳虫攻击力,陆战队员攻击力,每只跳虫最初血量,最后一个数为陆战队员的最初血量。
输出
输出Marine Win!或者Zergling Win!
陆战队员赢时输出Marine Win!
跳虫赢时输出Zergling Win!
输入示例
11 6 5 45 35
输出示例
Zergling Win!
其他说明
注意最后有换行!

C++程序:

#include <iostream>

using namespace std;

int main()
{
        int n;
        int k;
        int m;
        int l;
        int x;
        
        cin >> n >> k >> l >> m >> x;
            
        int marine = x;
        int zerg1 = m;
        int zerg2 = m;
        int distance = n;
    
        while(marine > 0 && (zerg1 > 0 || zerg2 > 0)) 
        {
            if(distance && zerg1 > 0) {
                distance--;
                zerg1 -= l;
            } else if(distance && zerg1 <= 0 && zerg2 > 0) {
                distance--;
                zerg2 -= l;
            }else if(zerg1 > 0) {
                zerg1 -= l;
                marine -= k * 2;
            } else {
                zerg2 -= l;
                marine -= k;
            }
        }
    
        if(marine > 0) cout << "Marine Win!" << endl;
        else cout << "Zergling Win!" << endl;
    
    return 0;
}
               

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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