考前抱佛脚

本文解析了三道经典的编程题目:会场安排问题、采药背包问题及车牌号字典序比较问题。通过C++代码详细展示了如何利用数据结构和算法解决实际问题,包括活动选择算法、动态规划及字符串比较等核心概念。

会场安排

#include<bits/stdc++.h>
using namespace std;
struct hc
{
	int b,e;
}a[10005];
bool cmp(hc a,hc b)
{
	if(a.e==b.e )
	{
		return a.b<b.b;
	}
	return a.e<b.e;
}
int main()
{
	int m;
	scanf("%d",&m);
	while(m--)
	{
		int n,i;
		scanf("%d",&n);
		for(i=0;i<n;i++)
		{
			scanf("%d%d",&a[i].b,&a[i].e );
		}
		sort(a,a+n,cmp);
		int t=1,end=a[0].e;
		for(i=1;i<n;i++)
		{
			if(a[i].b>=end+1)
			{
				t++;end=a[i].e;
			}
		}
		printf("%d\n",t);
	}
}

采药

#include <bits/stdc++.h>
using namespace std;
int dp[20005][20005];
int main() {
    int t, m, i, time[30], val[30];
    scanf("%d%d", &t, &m);
    for (i = 1; i <= m; i++) {
        scanf("%d%d", &time[i], &val[i]);
    }
    int big = 0;
    for (int i = 1; i <= m; i++) {
        for (int j = 1; j <= t; j++) {
            dp[i][j] = dp[i - 1][j];
            if (j >= time[i])
                dp[i][j] = max(dp[i - 1][j], dp[i - 1][j - time[i]] + val[i]);
            big = max(dp[i][j], big);
        }
    }
    printf("%d", big);
    return 0;
}

车牌号
输出最小的字序典

#include <stdio.h> 
#include <string.h>
  
  int main(){
     int T;
     int n;
      char s[10];
      char min[10];
      int i;
     
     scanf("%d",&T);
     
    while(T--){
         scanf("%d",&n);
         
        for(i=0;i<n;i++){
             scanf("%s",&s);
            
           if(i==0){
                 strcpy(min,s);
                 continue;        
             }
             
            if(strcmp(s,min)<0)
                 strcpy(min,s);
         }
         printf("%s\n",min);    
     }
    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