现控散落知识点梳理【自用/最新】

已于 2024-01-29 17:34:01 修改
阅读量961 收藏 19
点赞数 19
分类专栏： 自控理论(✿◡‿◡) 文章标签： 算法
于 2023-12-19 14:47:34 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_51772802/article/details/134233102
版权

这里写目录标题

悬而未决之谜

✅结合能控分解思考，非奇异线性变换会不会导致某变量的可控可观性发生变化？

事实上，进行线性变换（能控/能观分解）后，状态变量的物理意义已经发生变化。
原问题我想问的意思其实是，任给一个矩阵A，可否知道每个状态是否可观/可控，应该可以用PBH判据判断【不太确定】

✅如图所示与时域结合时，传递函数是开环or闭环？

在这里插入图片描述
应该是对应的闭环传递函数，是直接连接输入和输出、没有反馈部分的

——但是要注意 在现控中往往没有开环/闭环概念

✅对于一般状态，给出ABC，怎么判断每个变量的能控能观性？【非上三角/下三角】

回答：就是能控能观分解呗

状态函数结构图

要点🌟

  • 在每一个方框图之后加入变量x
  • 如果传递函数为高阶，可以部分分式展开，则展开
    • 若不可以，则组合设置两个状态变量，其中一个状态变量为另一状态变量的导数 x ˙ 1 \dot x_1 x˙1​ 或者 使用反馈结构
  • 若展开后，分子还有项，则进行并联
    在这里插入图片描述
  • 如上图所示，如果出现分子分母同阶，说明动态方程中的D可能不为0，y和u可能直接相关【其实就是上面结论的推论】

举例1 传递函数有分子-改并联+传递函数高阶分母-部分分式展开

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

注：上面的部分也可以改成积分环节和惯性环节串联

举例2 传递函数分母无法进行部分分式展开法 组合设置两个状态变量状态变量的导数

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

举例3 不可部分分式展开，也可以考虑用反馈环节

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

举例4 所有的惯性环节都可以用反馈环节代替之【这个例子也告诉我们有常数项时，变量的选取应该放在积分后而非整个传函后】

在这里插入图片描述

在这里插入图片描述

已知传递函数求状态方程矩阵

要点

  • 注意分母 s n s^n sn的最高阶前的系数是1
  • 可控型（I型）和可观型（II）型互为对称
  • 要掌握可控/可观/约旦阵的结构图形式

    能控结构图

    从输入唯一性和三个积分环节入手，确定三个变量的顺序
    【 x 3 x_3 x3​和输入有关，更靠近输入】
    在这里插入图片描述

    能观结构图

    从输出唯一性和三个积分环节入手
    【 x 3 x_3 x3​和输出有关，更靠近输出】（和能控性中的完全相反）在这里插入图片描述

    约旦标准型

    根据特征值数目不同，有不同条支路并联在这里插入图片描述

可控/可观/约旦阵的选取方式

  • 要了解可控/可观/约旦阵的状态变量选取方式
    • 能控选取方式
      { x 1 = y x 2 = y ˙ ⋮ x n = y ( n − 1 ) \left\{\begin{array}{c} x_{1}=y \\ x_{2}=\dot{y} \\ \vdots \\ x_{n}=y^{(n-1)} \end{array}\right. ⎩ ⎨ ⎧​x1​=yx2​=y˙​⋮xn​=y(n−1)​
    • 约旦选取方式
      { X 1 ( s ) = 1 s − λ 1 X 2 ( s ) ⇒ x ˙ 1 = λ 1 x 1 + x 2 X 2 ( s ) = 1 s − λ 1 X 3 ( s ) ⇒ x ˙ 2 = λ 1 x 2 + x 3 X 3 ( s ) = 1 s − λ 1 U ( s ) ⇒ x ˙ 3 = λ 1 x 3 + u X 4 ( s ) = 1 s − λ 2 U ( s ) ⇒ x ˙ 4 = λ 2 x 4 + u ⋮ X n ( s ) = 1 s − λ n − 2 U ( s ) ⇒ x ˙ n = λ n − 2 x n + u \left\{\begin{array}{c} X_{1}(s)=\frac{1}{s-\lambda_{1}} X_{2}(s) \Rightarrow \dot{x}_{1}=\lambda_{1} x_{1}+x_{2} \\\\ X_{2}(s)=\frac{1}{s-\lambda_{1}} X_{3}(s) \Rightarrow \dot{x}_{2}=\lambda_{1} x_{2}+x_{3} \\\\ X_{3}(s)=\frac{1}{s-\lambda_{1}} U(s) \Rightarrow \dot{x}_{3}=\lambda_{1} x_{3}+u \\\\ X_{4}(s)=\frac{1}{s-\lambda_{2}} U(s) \Rightarrow \dot{x}_{4}=\lambda_{2} x_{4}+u \\ \vdots \\ X_{n}(s)=\frac{1}{s-\lambda_{n-2}} U(s) \Rightarrow \dot{x}_{n}=\lambda_{n-2} x_{n}+u \end{array}\right. ⎩ ⎨ ⎧​X1​(s)=s−λ1​1​X2​(s)⇒x˙1​=λ1​x1​+x2​X2​(s)=s−λ1​1​X3​(s)⇒x˙2​=λ1​x2​+x3​X3​(s)=s−λ1​1​U(s)⇒x˙3​=λ1​x3​+uX4​(s)=s−λ2​1​U(s)⇒x˙4​=λ2​x4​+u⋮Xn​(s)=s−λn−2​1​U(s)⇒x˙n​=λn−2​xn​+u​

可控型表达式🌟🌟

在这里插入图片描述

可观型表达式🌟🌟

在这里插入图片描述

约旦/对角阵

普通对角

传递函数在这里插入图片描述
矩阵类型
在这里插入图片描述

补充：如果发生零极点对消，且要求列写不能控不能观⚠️

分析：如果产生零极点对消，相当于对应的状态变量“消失了”。因此之前的“全1行/列”中，该状态变量对应的1可以改为0
举例：传递函数如图
在这里插入图片描述

在这里插入图片描述

约旦对角【有重根】🌟🌟

传递函数
在这里插入图片描述
矩阵类型
在这里插入图片描述

举例1 传递函数上下齐次

此时应该先提取常数项，变成分母阶次比分子高，再进行操作
注意此时的输出，需要加u的常数项倍
在这里插入图片描述

离散状态空间及定常方程*极大概率不考

在这里插入图片描述
在这里插入图片描述

结构图

注意把积分环节改成延迟环节
在这里插入图片描述

连续系统离散化

在这里插入图片描述

离散系统状态转移方程

在这里插入图片描述

举例-x(0)已知时

在这里插入图片描述

Q：哈工大真题的2003-九已知x(t)求x(0)怎么做？

状态转移矩阵

求解状态转移矩阵的方法

拉式变换法🌟

e A t = Φ ( t ) = L − 1 [ ( s I − A ) − 1 ] e^{A t}=\Phi(t)=L^{-1}\left[(s I-A)^{-1}\right] eAt=Φ(t)=L−1[(sI−A)−1]

对角矩阵

在这里插入图片描述

约旦阵

在这里插入图片描述

状态转移矩阵常用性质

在这里插入图片描述
Φ ( t 1 ) ⋅ Φ ( t 2 ) = Φ ( t 1 + t 2 ) \Phi(t_1)\cdot\Phi(t_2) = \Phi(t_1+t_2) Φ(t1​)⋅Φ(t2​)=Φ(t1​+t2​)
在这里插入图片描述

齐次方程的解🌟🌟

x ( t ) = Φ ( t ) x 0 = e A t x 0 , t > = 0 x(t)=\Phi(t)x_0=e^{At}x_0, t>=0 x(t)=Φ(t)x0​=eAtx0​,t>=0
在这里插入图片描述
结合拉式变换法，用反拉式变换轻松求得答案。

e A t = Φ ( t ) = L − 1 [ ( s I − A ) − 1 ] e^{A t}=\Phi(t)=L^{-1}\left[(s I-A)^{-1}\right] eAt=Φ(t)=L−1[(sI−A)−1]【拉氏变换】

举例1 利用状态转移矩阵的一些性质

在这里插入图片描述
在这里插入图片描述

非齐次方程的解

拉式变换法【现推、不常用】

在这里插入图片描述

积分法【推荐掌握】🌟🌟

在这里插入图片描述

举例1 带输入矩阵解的时域表达式

在这里插入图片描述

举例2 带脉冲输入的时域表达式

在这里插入图片描述
第一步：求状态转移矩阵，注意拉氏反变换相关知识
在这里插入图片描述
第二步：状态响应，【阶跃】结合【积分】极大优化运算
在这里插入图片描述

传递函数阵的实现问题

题型如下图所示：
在这里插入图片描述

要点：判断输入输出的矩阵行列数【Tops】🌟

G m × r G_{m\times r} Gm×r​

  • G阵的列数r对应u输入的列数r，G阵的行数m对应y输出的行数m，绝对不变🌟
  • 能控阵和能观阵实现可能有所不同：🌟
    对于A阵方阵，方阵的行数=列数=
    • 能控-n[分母阶次]*r[传函列数]；
    • 能观-n[分母阶次]*m[传函行数]
  • 原理还是标准型实现的原理，如果维数不够，乘对应的单位矩阵
  • 注意转置时，内部的每个小矩阵不转置
  • 总而言之，传递函数列少时，能控更好写；行少时，能观更好写

通解

  1. 提取常数使传函全都是真分式【之后常数部分作为传递函数中的矩阵 D D D】
  2. 提取公分母，还是按照常数、 s 1 s^1 s1、 s 2 s^2 s2升阶顺序排列

举例1 提取常数化成真分式后做题

在这里插入图片描述
拆分
在这里插入图片描述
可控
在这里插入图片描述
可观
在这里插入图片描述

能控性与能观性

能控能观判据一览🌟🌟

Way1 单输入单输出下 零极点对消必然不是“可控可观”

Way2 能控能观性判据

可控性判断：
M = ( B , A B , A 2 B , . . . , A n − 1 B ) M=(B, AB, A^2B, ..., A^{n-1}B) M=(B,AB,A2B,...,An−1B)
可观性判断：
N = ( C , C A , C A 2 , . . . , C A n − 1 ) T N=(C, CA, CA^2, ..., CA^{n-1})^T N=(C,CA,CA2,...,CAn−1)T

Way3 对角阵/约旦阵

可控，同约旦块看最后一行B，可观看第一列C
相同特征值的不同约旦块之间需要线性无关才能保证可控/可观

Way4 PBH判据

在这里插入图片描述
在这里插入图片描述

变可控标准型🌟🌟

前提条件：系统能控
做题经验：求出特征值后，A可以由特征方程的系数得到而不用求 T c T_c Tc​；但是求C要费点劲（结合变换矩阵T）
在这里插入图片描述【没有 a 0 a_0 a0​项】
在这里插入图片描述
在这里插入图片描述

举例 求一般矩阵（可控）的能控标准型

在这里插入图片描述

能控分解🌟🌟

在这里插入图片描述
其中， R c R_c Rc​的前 n 1 n_1 n1​列，是判别矩阵M中的任意线性无关的 n 1 n_1 n1​列，剩下的列任取，保证 R c R_c Rc​可逆即可
在这里插入图片描述

这里的可控针对的是变换后的状态变量，和原来的

变可观标准型🌟🌟

前提条件：系统能观
做题经验：求出特征值后，A可以由特征方程的系数得到而不用求T；但是求B要费点劲（结合变换矩阵 T 0 − 1 T_0^{-1} T0−1​）
![在这里插入图片描述](https://img-blog.csdnimg.cn/8cf98344f7c443499d9062b0222b89a6.png =50 0x)
在这里插入图片描述
在这里插入图片描述

举例 求一般矩阵（可观）的能观标准型

在这里插入图片描述

能观分解🌟🌟

在这里插入图片描述
其中， R o − 1 R_o^{-1} Ro−1​的前 n 1 n_1 n1​行，是判别矩阵M中的任意线性无关的 n 1 n_1 n1​行，剩下的行任取，保证 R o R_o Ro​可逆即可
在这里插入图片描述

举例1 进行能控+能观分解，即最小实现问题【较难，注意第二步线性变换的方式】

  • 思路
    相当于对系统进行能控性（能观性）分解后，再分别对两个部分进行能观性（能控性）分解
    在这里插入图片描述
    在这里插入图片描述

例题
在这里插入图片描述

  1. 能控性分解
    在这里插入图片描述
  2. 对能控部分进行能观性分解
    补充说明：如果能观性分解后，能控不能观的部分是一维的，即一个数【如本题】，那就看做“输入u”，直接左乘变换矩阵 R − 1 R^{-1} R−1，不需要右乘R
    在这里插入图片描述
    【上面截图最后一行出错了】在这里插入图片描述

Q 如果传递函数有零极点对消，那么一定不是最小实现

线性变换

基础知识🌟

线性变换的公式

要求：变换矩阵T非奇异
在这里插入图片描述

推导过程
在这里插入图片描述

线性变换性质

传递函数不变、特征值不变、系统【注意，是系统不是矩阵A】的可控可观性不变

变为对角阵（A可进行相似对角化）

对应：特征值无重根的情况
方法：找特征向量进行相似对角化

相似对角化中一个特例：A阵为友矩阵（仍要满足特征值无重根）

矩阵
在这里插入图片描述
对应变换公式
在这里插入图片描述

变为约旦阵（特征值有重根且A不可进行相似对角化）🌟

在这里插入图片描述

同样的特例：友矩阵

在这里插入图片描述
在这里插入图片描述

举例1 线性变换后求可观性✅

在这里插入图片描述
经判断，A是友矩阵，线性变换为范德蒙德行列式
在这里插入图片描述
在这里插入图片描述

线性定常系统反馈问题

状态反馈【题目多，灵活】

结构图【反馈到输入后，B前】

在这里插入图片描述

求解方法【官方，规范，必须遵守】✨

  1. 判断系统是否满足能控性
  2. 列写反馈后的系统多项式【A+bK：正反馈 或者 A-bK：负反馈】其中K是1xm维未知向量
  3. 比较期望特征多项式和带参数的特征多项式的各项系数

绘图示例

在这里插入图片描述

技巧方法🌟【⚠️本方法只适用于A为能控标准型情况】【状态观测器中该技巧对偶存在】

在这里插入图片描述
注意，k的下标和s前的系数是一致的，状态反馈后系统零点未改变
在这里插入图片描述

在此方法下…

在此方法下，分母就是特征多项式，分子不变，因为状态反馈不改变系统零点

举例1 状态反馈+结构图

在这里插入图片描述

在这里插入图片描述

举例2 状态反馈+反馈后可观性

在这里插入图片描述
在这里插入图片描述

举例3 状态反馈+结构图&零极点对消

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

输出反馈*【考察的不多】

结构图【往往用下面的，反馈到状态变量导数前，B后】

在这里插入图片描述

求解方法【官方，规范，必须遵守】✨

  1. 判断系统是否满足能观性
  2. 列写反馈后的系统多项式【A+Gc：正反馈 或者 A-Gc：负反馈】其中G是rx1维未知向量
  3. 比较期望特征多项式和带参数的特征多项式的各项系数

系统镇定【套路固定】

求解方法

进行能控分解后，系统镇定的充要条件是不可控部分特征值为负，因此基本套路如下：

  1. 能控分解，判断不能控部分特征方程是否均具有负实部
  2. 能控部分进行极点配置【随便配置，能控部分满足条件即可，不能控部分系数任意】
  3. ✨✨将能控部分的状态反馈系数K‘转为原系统的状态反馈系数K（右乘 T c − 1 T_c^{-1} Tc−1​）

    转换方法如下
    在这里插入图片描述
    类似地，输出反馈的话是左乘 ( T o − 1 ) − 1 (T_o^{-1})^{-1} (To−1​)−1【都是对：能直接得到的矩阵 求逆，一个是左乘，一个是右乘】

求解方法② 利用PBH判据*非主流

参考上面的可控性判断，主流方法是判断不可控的部分是否稳定，这个是判断不稳定的部分是否可控

举例1 系统镇定+能控分解后的状态反馈向原状态反馈的转变🌟🌟✨

在这里插入图片描述

  1. 能控分解
    在这里插入图片描述

  2. 状态反馈配置可控部分
    在这里插入图片描述

  3. 将能控分解矩阵对应的反馈系数 K K K转为线性变换前反馈系数 K 0 K_0 K0​
    在这里插入图片描述

解耦*【从未考察】

求解方法

纯粹就是套模板

  1. 判断每一个输入对应的di
    在这里插入图片描述
  2. 代公式
    在这里插入图片描述
  3. 判别
    在这里插入图片描述

状态观测问题

全维状态观测

结构图示意

本质上是状态反馈
在这里插入图片描述
✨✨另一种表述
在这里插入图片描述

举例1 全维观测器+列写观测器方程

在这里插入图片描述
在这里插入图片描述

举例2 状态观测器（输出反馈）+状态反馈

在这里插入图片描述
设计观测器和进行状态反馈实际上是完全分开的

  1. 设计观测器
    在这里插入图片描述
  2. 设计状态反馈【可以考虑使用技巧方法】
    在这里插入图片描述
  3. 模型类似于下图：
    动态方程：
    在这里插入图片描述
    两种模型
    在这里插入图片描述

全维状态观测器的误差求解

在这里插入图片描述

在这里插入图片描述

举例【实质上是齐次方程求解问题】

在这里插入图片描述
注意最后一步取了一个模长

一个结论：极点距离虚轴越远，趋于稳定的速度越快，调节时间也就越快。

降维观测器

原理是利用通过调整输出对应的输出矩阵，可以获得一部分状态变量的观测值，从而减小传感器的数量等等。

Step01 设计 T − 1 T^{-1} T−1，线性变换将输出矩阵调整成(0,0,I)形式

类似能观分解，能观分解中的矩阵选择，都是“一部分取原来的，一部分保证非奇异”
区别在于，可观分解是判据阵 前m-1行，这个是输出阵 后m行

在这里插入图片描述
T − 1 T^{-1} T−1满足以下要求：最后m行为原输出矩阵C，上面的其他行任取，保证非奇异即可
然后以T为非奇异线性变换矩阵，进行线性变换

通常情况下，对输出y相关变量进行矩阵操作时，往往直接得到的是逆

完成线性变换后，可将A矩阵视为 A 11 ‾ , A 12 ‾ , A 21 ‾ , A 22 ‾ \overline{A_{11}},\overline{A_{12}},\overline{A_{21}},\overline{A_{22}} A11​​,A12​​,A21​​,A22​​【加横线代表和之前不一样】

Step02 设计降维状态观测器

按照 A 11 ， A 21 A_{11}，A_{21} A11​，A21​进行极点配置
f ( λ ) = det ⁡ ( λ I − ( A 11 ‾ − G A 21 ‾ ) ) f ∗ ( λ ) = ( λ − s 1 ) ( λ − s 2 ) . . . ( λ − s n ) \begin{array}{l} f(\lambda)=\operatorname{det}\left(\lambda I-\left(\overline{A_{11}} -G\overline{A_{21}}\right)\right) \\ f^{*}(\lambda)=(\lambda-s_1)(\lambda-s_2)...(\lambda-s_n) \end{array} f(λ)=det(λI−(A11​​−GA21​​))f∗(λ)=(λ−s1​)(λ−s2​)...(λ−sn​)​

Step03 套公式🌟🌟

在这里插入图片描述

这么做的原因是，原来的表达式里存在 y ˙ \dot y y˙​，不好求解 在这里插入图片描述

Step04 变回原有系统

上一步结果左乘 T T T
x ^ = T x ‾ ^ \hat {x} = T \hat{ \overline{ x}} x^=Tx^

举例1 降维观测器经典例题

在这里插入图片描述
Step01 能观性判断+变换矩阵设计
在这里插入图片描述
Step02 设计降维观测器
在这里插入图片描述
Step03 代入两个公式

Step04 线性变换变回去
在这里插入图片描述

不熟练公式记录

状态方程非齐次求解【积分形式】
状态方程齐次求解和 e A t e^{At} eAt表达式书写
一般矩阵化能控标准型

学书才浅
关注
  • 19
    点赞
  • 踩
  • 19
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
六年级语文上册第五单元知识点梳理新人教版
09-09
【第六单元语文知识点详解】 本单元的语文学习主要围绕拼音、多音字、生字书写、形近字、近反义词、词语搭配、词语拓展、佳句积累以及古诗句等多个方面展开，旨在帮助学生巩固基础，提升语文素养。 1. **拼音与多...
专题六 散落知识（教学PPT+练习题）
05-21
**专题六：散落知识——深入理解C/C++基础** 在《程序设计基础》课程中，专题六聚焦于“散落知识”，这是一个重要的概念，它涵盖了C/C++编程语言的基础要素，尤其是涉及到基本符号和量的理解。这个专题的目的是帮助...
大学英语知识点总结.doc
10-08
【大学英语知识点总结】 在学习大学英语的过程中，掌握丰富的词汇、短语以及句型是至关重要的。以下是对一些关键知识点的归纳和解析： 1. **encounter with**：遭遇，遇到，表示不期而遇的情况或事件。 2. **...
高一化学下学期知识点汇总.doc
10-11
【高一化学下学期知识点汇总】 1. **硫与金属反应**：硫具有弱氧化性，与金属反应生成低价金属硫化物。例如，铁与硫反应生成FeS（黑色，不溶于水，可溶于稀酸）；铜与硫生成Cu2S（黑色，既不溶于水也不溶于稀酸）；...
H5 Canvas彩色纸屑散落特效
07-24
H5 Canvas彩色纸屑散落特效是一款html5基于canvas制作的全屏碎纸屑掉落动画特效。
代码随想录算法训练营第22天-leetcode-二叉树08：669. 修剪二叉搜索树；108.将有序数组转换为二叉搜索树；538.把二叉搜索树转换为累加树
weixin_65180740的博客
07-24 932
你可能需要改变树的根节点，所以结果应当返回修剪好的二叉搜索树的新的根节点。给出二叉 搜索 树的根节点，该树的节点值各不相同，请你将其转换为累加树（Greater Sum Tree），使每个节点 node 的新值等于原树中大于或等于 node.val 的值之和。题目要求，实际上是每个节点加上中序排列后面的那个节点，故而可以反向中序排序，即RNL，用prior记录前一个节点的值，加上前一个节点的值即可。左右子树也必须是二叉搜索树。后序遍历每个节点，对于在范围外的节点，考虑保留其左子树/右子树（只可能保留一个）
算法训练营第47天|1143.最长公共子序列|1035.不相交的线|53. 最大子序和|392.判断子序列
bless_______的博客
07-24 230
如果text1[i - 1] 与 text2[j - 1]不相同，那就看看text1[0, i - 2]与text2[0, j - 1]的最长公共子序列 和 text1[0, i - 1]与text2[0, j - 2]的最长公共子序列，取最大的。如果text1[i - 1] 与 text2[j - 1]相同，那么找到了一个公共元素，所以dp[i][j] = dp[i - 1][j - 1] + 1;未想到特殊情况，即s或t为空串的情况，因为返回的是数组值，但是如果是空串就不会建立数组。
2.6基本算法之动态规划6045:开餐馆
Andy_SCP001的博客
07-24 240
北大信息学院的同学小明毕业之后打算创业开餐馆.现在共有n 个地点可供选择。我们用一个整数序列m1, m2, ... mn 来表示他们的相对位置。由于地段关系,开餐馆的利润会有所不同。为了避免自己的餐馆的内部竞争,餐馆之间的距离必须大于k。//f[i]:从第1个位置到开第i个位置开餐馆能获得的最大利润。j++){//从j个地点到第i个地点开餐馆。//n个地点开一家店。//每个餐馆开的位置。//边界条件:只有一个地点,只开一家店。//n个地点开很多家店。
算法-KMP字符串匹配
xx_xb的博客
07-23 306
next[i] 就是使子串 s[0…i] 有最长相等前后缀的前缀的最后一位的下标。总体来说解next数组和模板串匹配的过程很相似，触类旁通。
2766. 重新放置石块 Medium
珞米的博客
07-24 531
第 i = 0 步操作中，我们将位置 1 处的石块移到位置 2 处，有石块的位置为 [2,2,3,3]。第 i = 1 步操作中，我们将位置 3 处的石块移到位置 2 处，有石块的位置为 [2,2,2,2]。第 i = 0 步操作中，我们将位置 1 处的石块移到位置 2 处，位置 2,6,7,8 有石块。第 i = 1 步操作中，我们将位置 7 处的石块移到位置 9 处，位置 2,6,8,9 有石块。第 i = 2 步操作中，我们将位置 2 处的石块移到位置 5 处，位置 5,6,8,9 有石块。
代码随想录算法训练营第二十二天|回溯算法part01
最新发布
qq_43456971的博客
07-25 619
这一题与上题一样，除了终止条件中需要判断和是否为target。多了一个剪枝操作，就是当值已经大于target，直接返回。本题还有一个建立数字和字母之间映射的问题，使用string数组来进行映射。因此回溯算法的宽度是每个集合里面的个数，回溯算法的深度是集合的个数。参数是digits与index，index是用来记录遍历第几个集合。在单个集合1-9中，寻找所有个数为k且和为target的组合。在单个集合1-n中，寻找所有个数为k的组合。这一题是在多个集合中找所有可能的组合。和所有递归一样，都有三部曲。
【算法】字典序最小的 01 字符串
2301_79728896的博客
07-24 287
每次只能交换相邻的两个字符,从前向后遍历字符,如果遇到10组合的要交换,同时k–,注意交换后的情况是前面有可能会出现10组合,因此k>0时要回退,直到(用while)前面没有10组合或k==0为止。小红有一个 01 字符串，她可以进行最多 k 次提作，每次操作可以交换相邻的两个字符，问可以得到的字典序最小的字符串是什么。第一行包含两个整数，n（1 < n < 10^5）和 k（1 < k < 10^9），表示字符串的长度和可以进行的操作次数。输出一个长度为 n 的字符串，表示字典序最小的字符串。
算法题目整合5
qq_62571233的博客
07-23 932
思路：利用left和right记录连续相同的字符串索引，计算长度len，如果是0,1,2,4这种情况直接输出-1并return。如果是奇数直接输出，如果是偶数的话，可以拆成3和len-3两个部分。的最小值是101100，求其第4554小即在从后数的四个问号位置分别加上‘3’，‘5’，‘5’，‘4’即可，即551153；表示当前卡牌正面（或反面）加上上一个取余结果再对3取余的值，举个例子，比如说。），由于不同的取余方案搭配上正反面的组合，共有6中结果，所以在。，表示当前卡牌正面为1，当遍历的。
贪心加暴力枚举
wniuniu_的博客
07-24 267
所以我们可以直接暴力枚举，然后我们知道假操作一定是在最开始进行，至于加多少次我们可以直接枚举。
2.6基本算法之动态规划2989:糖果
Andy_SCP001的博客
07-24 426
糖果公司的N件产品每件都包含数量不同的糖果。Dzx希望他选择的产品包含的糖果总数是K的整数倍，这样他才能平均地将糖果分给帮助他维护世界和平的伙伴们。/*边界条件:dp[i][j]初始化为负无穷,int dp[1005][1005];//dp[i][j]:从i种糖果中选,组成糖果总数量k的倍数。dp[0][0]=0;//dp[0][0]边界条件:0种糖果组成糖果总数量0的倍数是0。另外,必须保证所有的状态是由dp[0][0]转移过来的*/除了dp[0][0]为0,因为我们这里求的是最大值,
算法力扣刷题记录 五十八【701.二叉搜索树中的插入操作】
danaaaa的博客
07-24 1059
二叉搜索树向左或向右指明方向，不用遍历整个树。
Python鲁汶意外莱顿复杂图拓扑分解算法
跨学科知识视角展现
07-24 1096
:dart:算法池化和最佳分区搜索：:pen:网格搜索 | :pen:发现算法池 | :pen:返回指定图的最佳划分 | :pen:返回指定图的最佳分区 | :dart:适应度和聚类比较功能：:pen:图的划分 | :pen:节点度 | :pen:给定算法检测到社群总数 | :pen:图密度 | :pen:社群顶点的度数之和 | :pen:解之间的预期一致 | :pen:联合熵 | :pen:平均内部度、所有可能的节点对的平均路径长度 | :pen:节点指向社群外的边平均比例 | :pen:现有边距离社群比
【算法】分割回文串
时清云的博客
07-24 364
难度：中等。
【常微分方程】
qq_74285286的博客
07-24 379
常微分方程笔记
python樱花散落代码
05-20
以下是一个简单的 Python 樱花散落代码，使用了 Pygame 库： ```python import pygame import random # 初始化 Pygame pygame.init() # 设置窗口大小和标题 size = (800, 600) screen = pygame.display.set_mode...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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