记忆化搜索

博客包含地宫取宝的AC代码,与信息技术中算法实现相关。

地宫取宝
AC代码

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int N = 55;
const long long mod = 1000000007;
int n, m, k, mp[N][N], ans;
int dx[2] = {0, 1};
int dy[2] = {1, 0};
ll dp[N][N][15][15];
///dp[x][y][num][maxvalue]:
///走到(x,y)位置(还没选入) 手中num个宝贝 最大值maxValue 的!方!案!数!
ll dfs(int x, int y, int num, int maxval)
{
   ///走到(x,y)位置  手中已拿num个宝贝 手中宝贝最大值maxValue
   ///这个方法进来就是为了求 dp[x][y][num][maxvalue],并返回它,好吗!
    if(dp[x][y][num][maxval+1] != -1)
        ///只是记忆搜索加速处理,已经知道了dp就不用重复求了
        return dp[x][y][num][maxval+1];
    if(x==n && y==m)
    {
        ///到达出口
        if(num==k || (num==k-1 && mp[x][y] > maxval))
        {
            dp[x][y][num][maxval+1] = 1;
            return 1;
        }
        else
        {
            ///不成立返回0 后面s要叠加的
            dp[x][y][num][maxval+1] = 0;
            return 0;
        }
    }
    ll s = 0; ///此刻 dp[x][y][num][maxvalue]的方案数
    for(int i=0; i<2; i++)
    {
        int xx = x + dx[i];
        int yy = y + dy[i];
        if(xx <= n && yy <= m)
        {
            if(mp[x][y] > maxval)
                s += dfs(xx, yy, num+1, mp[x][y]) % mod;///取
            s += dfs(xx, yy,num,maxval) % mod;///不取
        }
    }
    dp[x][y][num][maxval+1] = s % mod;///此刻 dp[x][y][num][maxvalue]的方案数求出了
    return s % mod;
}
int main()
{
    cin >> n >> m >> k;
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= m; j++)
        cin >> mp[i][j];
    memset(dp, -1, sizeof dp);
    dfs(1, 1, 0, -1);
    cout << dp[1][1][0][0];
    return 0;
}

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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