从原点到某点,路径不超过对角线。求这样的路径数量。

 

#include<stdio.h>
#include<iostream>
#define MAX 100
using namespace std;

typedef struct{
	long int x;
	long int y;
}point;
long long int total[100]={0};
long long int mod=1000000007;
void Recursion(long m,long n,long long int *total)
{

	if(m==0&&n==0)
		(*total)++;
	if((*total)>=mod)
		(*total)=(*total)-mod;
	if(m>=n)
		return;
	if(m<0||n<0)
		return;
	
	Recursion(m-1,n,total);
	Recursion(m,n-1,total);
}

int main()
{
	
	long int m=0,n=0;
	int num=0;
	scanf("%d",&num);
	point record[num];
	int numa=0,numb=0,numc=0;
	while(numa<num)
	{
		scanf("%ld %ld",&record[numa].x,&record[numa].y);
		numa++;
	}
	while(numb<num)
	{
		Recursion(record[numb].x,record[numb].y,&total[numb]);
		numb++;
	}

	while(numc<num)
	{
		cout<<total[numc]<<endl;
		numc++;
	}
	
	return 0;
} 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于阿基米德优化的机器人路径规划算法是一种利用阿基米德螺旋线优化思想来进行路径规划的方法。以下是一种可能的实现步骤: 1. 环境建模:将机器人所在的环境进行建模,包括地图、障碍物、起始点和目标点等信息。这可以通过传感器数据获取或者手动创建。 2. 路径表示:选择阿基米德螺旋线作为路径表示方式。阿基米德螺旋线由参数方程 r = a + bθ 决定,其中 r 是螺旋线上某点原点的距离,θ 是该点的极角,a 和 b 是常数。 3. 目标函数定义:定义一个目标函数来评估路径的质量。目标函数可以考虑路径的长度、避障能力、平滑性等因素。目标是使目标函数最小化。 4. 初始解生成:根据环境建模和问题要,选择一个合适的起始解作为初始解。 5. 优化算法:使用阿基米德优化算法对路径进行优化。阿基米德优化算法是一种基于连续域优化的方法,通过调整路径参数来最小化目标函数。 6. 参数更新:根据当前路径的目标函数值和梯度信息,更新路径参数。这可以使用梯度下降等优化方法来实现。 7. 终止条件判断:根据预设的终止条件(如达到最大迭代次数或目标函数收敛),判断是否终止优化过程。如果满足条件,则停止优化。 8. 最优解提取:从最终得到的路径参数中提取出最优路径,即机器人的最佳路径。 通过以上步骤,基于阿基米德优化的机器人路径规划算法可以搜索并找到最优或接近最优的机器人路径,以实现高效、安全和可靠的路径规划。具体算法的细节和参数设置可以根据具体问题进行调整和改进。
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