[USACO19DEC]Greedy Pie Eaters P

本文介绍了一种使用区间动态规划解决特定问题的方法。问题背景涉及多头牛在一个派范围内进食,目标是在确保每头牛至少吃到一个派的前提下,最大化它们的总体重。文章详细阐述了状态定义、状态转移方程,并提供了完整的代码实现。

题目大意:

给出 N N N p i e pie pie M M M 头牛,

每头奶牛都有一个吃派的范围和体重,

分别用 l l l , r r r , w w w 表示。

问每头牛吃完后,

在每头牛都吃到至少一个派的情况下最大体重值和


思路:

依题意,每头奶牛都是按区间的方式吃草。

所以我们考虑使用区间dp.

f [ i ] [ j ] f[i][j] f[i][j] 表示第 i i i p i e pie pie 到 第 j j j p i e pie pie 之间

全部吃完, 所能贡献的最大体重和。

怎样考虑转移?

普通的转移方程:
f [ i ] [ j ]    =    m i n i ≤ k < j ( f [ i ] [ k ] ,    f [ k    +    1 ] [ j ] ) f\lbrack i\rbrack\lbrack j\rbrack\;=\;\underset{i\leq k<j}{min}(f\lbrack i\rbrack\lbrack k\rbrack,\;f\lbrack k\;+\;1\rbrack\lbrack j\rbrack) f[i][j]=ik<jmin(f[i][k],f[k+1][j])

它实现了两两区间的合并,

但是并没有使得新的奶牛进来吃草。

所以我们考虑在 i ∼ j i\sim j ij 中枚举一个点 k k k

使 k k k 为新牛吃草的点。

即得出方程:

f [ i ] [ j ]      = m a x                                          i ≤ k < j ( f [ i ] [ j ] ,      f [ i ] [ k    −    1 ]    +    d i s [ k ] [ i ] [ j ]    +    f [ k    +    1 ] [ j ] ) \underset{\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;i\leq k<j}{f\lbrack i\rbrack\lbrack j\rbrack\;\;=max}(f\lbrack i\rbrack\lbrack j\rbrack,\;\;f\lbrack i\rbrack\lbrack k\;-\;1\rbrack\;+\;dis\lbrack k\rbrack\lbrack i\rbrack\lbrack j\rbrack\;+\;f\lbrack k\;+\;1\rbrack\lbrack j\rbrack) ik<jf[i][j]=max(f[i][j],f[i][k1]+dis[k][i][j]+f[k+1][j])

d i s [ k ] [ i ] [ j ] dis[k][i][j] dis[k][i][j] 表示当 k k k 新来的牛吃掉 k k k

i ≤ l ≤ k ≤ r ≤ j i\le l\le k\le r\le j ilkrj 的最大体重;

dis值然后求?

建议大家先去康康此题:涂色

我们根据涂色的思路,每次多图一个点。

那在该题中,dis的值可以考虑每次由

区间 i ∼ j i\sim j ij 转移到 i − 1 ∼ j i-1\sim j i1j i ∼ j + 1 i\sim j + 1 ij+1

即:
d i s [ k ] [ i − 1 ] [ e n d ] = m a x ( d i s [ k ] [ i − 1 ] [ e n d ] , d i s [ k ] [ i ] [ e n d ] ) ; dis[k][i - 1][end] = max(dis[k][i - 1][end], dis[k][i][end]); dis[k][i1][end]=max(dis[k][i1][end],dis[k][i][end]);

d i s [ k ] [ i ] [ e n d + 1 ] = m a x ( d i s [ k ] [ i ] [ e n d + 1 ] , d i s [ k ] [ i ] [ e n d ] ) ; dis[k][i][end + 1] = max(dis[k][i][end + 1], dis[k][i][end]); dis[k][i][end+1]=max(dis[k][i][end+1],dis[k][i][end]);

Final node:

#include<cstdio>
#include<iostream>
#include<cmath>
#include<cstring>
#include<string>
#include<algorithm>
#include<vector>
#include<queue>
#define fre(x) freopen(#x".in","r",stdin),freopen(#x".out","w",stdout);
#define ll long long

using namespace std;

const int MAX = 2147483647;
const int N = 310;
int n, m, w, l, r, dis[N][N][N],f[N][N];

int main(){
	scanf("%d%d", &n, &m);
	for(register int i=1;i<=m;i++){
		scanf("%d%d%d", &w, &l, &r);
		for(int  j = l; j <= r; j++) dis[j][l][r] = max(dis[j][l][r], w);
	}
	for(int len = 1; len <= n; len++)
 	 for(int i = 1; i + len - 1 <= n; i++)
	 {
		int end = i + len - 1;
		for(int k = i; k <= end; k++)
		{
			if(i > 1) dis[k][i - 1][end] = max(dis[k][i - 1][end], dis[k][i][end]);
			if(end < n) dis[k][i][end + 1] = max(dis[k][i][end + 1], dis[k][i][end]);
		}
	 }
	for(int len = 1; len <= n; len++)
 	 for(int i = 1; i + len - 1 <= n; i++)
	 { 
		int end = i + len - 1;
		for(int k = i; k <= end; k++)
			f[i][end] = max(f[i][end], f[i][k - 1] + dis[k][i][end] + f[k + 1][end]);
	 }
	printf("%d\n", f[1][n]);
	return 0;
}
内容概要:本文围绕可变桨叶四旋翼无人机的规范控制与点对点运动模拟展开,重点研究优化推力分配策略在翻转动作中的应用与性能比较。通过Matlab代码实现,构建了四旋翼动力学模型,并设计了多种控制算法以实现精确的姿态调整与轨迹跟踪。研究对比了不同推力分配方案在执行高机动性翻转动作时的稳定性、能耗效率与响应速度,旨在提升无人机在复杂飞行任务中的动态性能与控制精度。该仿真研究为无人机飞控系统的设计与优化提供了理论依据和技术支持。; 适合人群:具备一定自动控制理论基础和Matlab编程能力,从事无人机控制、飞行器动力学或机器人系统研究的科研人员及研究生。; 使用场景及目标:① 实现四旋翼无人机在三维空间中的精确点对点运动控制;② 对比分析不同推力分配策略在执行翻转等高难度动作时的控制效果与能耗表现,优化飞行性能;③ 为无人机自主飞行、特技飞行及复杂环境下的机动控制提供算法验证平台。; 阅读建议:此资源以Matlab仿真为核心,建议读者结合相关控制理论知识,深入理解代码实现细节,重点关注动力学建模、控制律设计与推力分配模块。在学习过程中,应动手调试参数,复现文中翻转动作的仿真结果,并尝试拓展至其他复杂飞行任务,以加深对无人机控制机理的理解。
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