UVA - 519 Puzzle (II)

本文介绍了一种通过回溯加剪枝的方法来判断给定的拼图碎片是否能够组合成一个矩形的问题解决思路。该方法利用了排序、提前终止等技巧进行优化。

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

题目大意:给出一些拼图的碎片,要求判断是否能组成一个矩形,对于碎片,F表示平面,I表示凸面,O表示凹面,对于矩形,边必须为平, 并且碎片相连只能是以IO形式


解题思路:回溯+剪枝

剪枝1:在DFS前如果凹凸不等或F数量不等周长就直接输出NO

剪枝2:排序,在判断是否放置当前拼图的时候如果不可以放置,和他一样的不用再判断一次

剪枝3:在递归完成后如果已经成功就直接return

#include <cstdio>
#include <cstring>
#include <algorithm>

char pi[36][5], data[6][6][5];
int num, vis[40], row, col;

int cmp(const void*a, const void*b) {
	return strcmp((char*)a, (char*)b);
}

bool judge(int x, int y, int i) {
	if (x == 0 && pi[i][0] != 'F'|| y == 0 && pi[i][3] != 'F' || y == col - 1 && pi[i][1] != 'F' || x != row - 1 && pi[i][2] == 'F')
		return false;
	if ((x != 0 && pi[i][0] + data[x - 1][y][2] != 'I' + 'O') || (y != 0 && pi[i][3] + data[x][y - 1][1] != 'I' + 'O'))
		return false;

	return true;
}

bool DFS(int x, int y, int cur) {
	if (cur == num)
		return true;

	char temp[5] = {0};
	for (int i = 0; i < num; i++)
		if (!vis[i] && strcmp(temp, pi[i]) && judge(x, y, i)) {
			strcpy(temp, pi[i]);
			strcpy(data[x][y], pi[i]);
			vis[i] = 1;
			if (DFS((cur + 1) / col, (cur + 1) % col, cur + 1))
				return true;
			vis[i] = 0;
		}

	return false;
}

int main() {
	while (scanf("%d%d\n", &row, &col), num = row * col) {
		int edge[120] = {0};
		for (int i = 0; i < num; i++) {
			scanf("%s", pi[i]);
			for (int j = 0; j < 4; j++)
				edge[pi[i][j]]++; 
		}
		qsort(pi, num, sizeof(pi[0]), cmp);
		memset(vis, 0, sizeof(vis));

		printf(edge['F'] == 2 * (row + col) && edge['I'] == edge['O'] && DFS(0, 0, 0) ? "YES\n" : "NO\n");
	}
	return 0;
}


内容概要:本文档提供了三种神经网络控制器(NNPC、MRC和NARMA-L2)在机器人手臂模型上性能比较的MATLAB实现代码及详细解释。首先初始化工作空间并设定仿真参数,包括仿真时间和采样时间等。接着定义了机器人手臂的二阶动力学模型参数,并将其转换为离散时间系统。对于参考信号,可以选择方波或正弦波形式。然后分别实现了三种控制器的具体算法:MRC通过定义参考模型参数并训练神经网络来实现控制;NNPC利用预测模型神经网络并结合优化算法求解控制序列;NARMA-L2则通过两个神经网络分别建模f和g函数,进而实现控制律。最后,对三种控制器进行了性能比较,包括计算均方根误差、最大误差、调节时间等指标,并绘制了响应曲线和跟踪误差曲线。此外,还强调了机器人手臂模型参数的一致性和参考信号设置的规范性,提出了常见问题的解决方案以及性能比较的标准化方法。 适合人群:具备一定编程基础,特别是熟悉MATLAB编程语言的研究人员或工程师,以及对神经网络控制理论有一定了解的技术人员。 使用场景及目标:①理解不同类型的神经网络控制器的工作原理;②掌握在MATLAB中实现这些控制器的方法;③学会如何设置合理的参考信号并保证模型参数的一致性;④能够根据具体的性能指标对比不同控制器的效果,从而选择最适合应用场景的控制器。 其他说明:本文档不仅提供了完整的实验代码,还对每个步骤进行了详细的注释,有助于读者更好地理解每段代码的功能。同时,针对可能出现的问题给出了相应的解决办法,确保实验结果的有效性和可靠性。为了使性能比较更加公平合理,文档还介绍了标准化的测试流程和评估标准,这对于进一步研究和应用具有重要的指导意义。
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

打赏作者

冰阔落

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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