[转载]zju 2872 Binary Partitions

原文地址:zju 2872 Binary Partitions 作者:allreset
其实和PKU2229 Sumsets是一样的。
 
题目和数的分解有点类似,只不过要求分解的各个数都要是2的次幂。
类似于数的分解,一个很显然的DP式:
f[n][k] = f[n-2^k][k] + f[n][k+1]
(n >= 2^k,f[0][i]=1,计算以k=0开始)
f[n][k]:至少以2^k的分量去分解n时有多少种分解方案。题目的解即为f[n][0]。
题目0 <= n <= 2,000,000,故k最大为20。但这个DP式的时间空间都不太理想。
 
进一步考虑,想办法将数组的第二维消掉。(第一维是必需的)
将n表示成二进制bm bm-1 ..bk.. b1b0,我们假设当前求的是f[n][k] (0<=k<=m)
如果n & (2^k-1)不为零的话,则f[n][k]=0。
因为f[n][k]表示到少以2^k的量去分解n,n每次都至少减去2^k,如果b0,b1..bk-1中有任一位不为零的话,则不存在合法的分解方案。
换句话说 b0 = b1 = .. = bk-1 = 0。
注意到,对于任意f[n][k](k>0),n的后面k位恒为0,分解方案数与f[n>>k][0]其实是等效的。
因此,f[n][k] = f[n>>k][0]
这样子,第二维就可以消去了。化简后的DP式就变得很简单
1.f[n] = f[n-1]; n 为奇数
2.f[n] = f[n-1] + f[n>>1] n为偶数
事实上,由1式,2式也可写为 f[n] = f[n-2] + f[n>>1];
PS:根据1式,可以将空间减少一半
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
ZJU-I型机械臂是一种由浙江大学机器人研究所开发的六自由度机械臂,具有高速、精度和可靠性等特点。机械臂的运动控制是机器人中的重要研究领域之一,其中点到点轨迹规划是机器人在运动过程中最基础和常用的一种方式,也是机械臂控制的核心问题之一。 点到点轨迹规划的目标是通过给定的起点和终点,计算出机械臂的运动轨迹,使机械臂在运动过程中满足机械臂轨迹的连续性、平滑性、可控性等要求。在过去的研究中,经典的点到点轨迹规划方法包括插值法、线性规划法、最小能量法等。 如果使用Python实现机械臂的点到点轨迹规划,可以采用Robotics Toolkit(简称robot)这个模块。robot模块提供了各种从轨迹规划、控制到仿真的功能,可用于ROS、Vrep、Webots等机器人仿真软件。使用robot模块,可以通过几行代码实现机械臂的点到点轨迹规划,例如: ``` from roboticstoolkit import robot from roboticstoolkit.robots import zju # 初始化机器人 zju_arm = robot.Robot('zju', zju.URDF) # 设定起点和终点 start = [0, 0, 0, 0, 0, 0] goal = [0, 1, 1, 0.5, 0, 0] # 计算机械臂的轨迹 path = zju_arm.get_trajectory(start, goal) # 控制机械臂运动到终点 zju_arm.move_to(goal) ``` 其中,`roboticstoolkit`和`roboticstoolkit.robots`都是导入的Python模块,`zju`是机械臂的URDF定义文件,`start`和`goal`是起点和终点的坐标,`get_trajectory()`函数会返回计算得到的机械臂轨迹,`move_to()`函数则控制机械臂运动到终点。 总之,使用Python实现ZJU-I型机械臂的点到点轨迹规划相对简单,只需要导入相应的模块,并根据需要设置机械臂的各种参数,即可轻松实现机械臂的控制。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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