POJ 1661 Help Jimmy(递推DP)

思路:

1. 每个板子有左右两端, dp[i][0], dp[i][1] 分别记录左右端到地面的时间

2. 从下到上递推计算, 上一层的板子必然会落到下面的某一层板子上, 或者地面上

 

总结:

1. 计算每个板子的 dp[i][0/1] 仅需考虑该板子的直接前驱即可

2. 动规的思想并不很明显

3. 代码中, 两个板子相对位置的判断特别精髓

4. 将地面和初始状态都抽象成一块板子

 

代码:

#include <iostream>
#include <algorithm>
using namespace std;

class board {
public:
	int x1, x2, h;
	board(int _x1, int _x2, int _h):x1(_x1), x2(_x2), h(_h){}
	board() {
		board(-1,-1,-1);
	}
	bool operator <(const board & other) const {
		return this->h < other.h;
	}
};

const int INF = 0X3F3F3F3F;
const int MAXN = 1010;
int t, N, X, Y, H, MAX;
board boards[MAXN];
int dp[MAXN][2];

int mainFunc() {
	
	for(int i = 0; i <= N+1; i ++) {
		for(int j = i-1; j >= 0; j --) {
			if(boards[i].x1 >= boards[j].x1 && boards[i].x1 <= boards[j].x2) { // i 的左端可以掉落到 j 上
				int h = boards[i].h - boards[j].h;
				if(h > MAX) dp[i][0] = INF;
				else if (j == 0) dp[i][0] = h;
				else 
					dp[i][0] = min(dp[j][0]+boards[i].x1-boards[j].x1, dp[j][1]+boards[j].x2-boards[i].x1) + h;
				break;
			}
		}
		for(int j = i-1; j >= 0; j --) {
			if(boards[i].x2 >= boards[j].x1 && boards[i].x2 <= boards[j].x2) { // i 的右端可以掉到 j 上
				int h = boards[i].h - boards[j].h;
				if(h > MAX) dp[i][1] = INF;
				else if(j == 0) dp[i][1] = h;
				else
					dp[i][1] = min(dp[j][0]+boards[i].x2-boards[j].x1, dp[j][1]+boards[j].x2-boards[i].x2) + h;
				break;
			}
		}
	}
	return dp[N+1][1];
}

int main() {
	freopen("E:\\Copy\\ACM\\poj\\1661\\in.txt", "r", stdin);
	cin >> t;
	while(t-- >= 1) {
		cin >> N >> X >> H >> MAX;
		for(int i = 0; i < N; i ++) {
			cin >> boards[i].x1 >> boards[i].x2 >> boards[i].h;
		}
		boards[N].x1 = -20010, boards[N].x2 = 20010, boards[N].h = 0;
		boards[N+1].x1 = X, boards[N+1].x2 = X, boards[N+1].h = H;
		sort(boards, boards+N+2);
		// mainFunction
		cout << mainFunc() << endl;
	}
	return 0;
}

  

update 2014年3月16日10:36:58

1. 直接前驱可以预处理得到

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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