【JZOJ 5434】【NOIP2017提高A组集训10.30】Matrix

本文介绍了一种使用分块技术进行矩阵快速查询的方法,通过二分查找确定满足条件的最大元素值,适用于大规模数据集的高效查询。

Description

这里写图片描述
N,M109, K<min(N,M)

Solution

显然答案ans是0<ans<max(N,M)
那么就二分出一个答案,判断全局有多少个小于它,这个用分块即可,

复杂度:O(Qlog(n)n)

code

#include <cstdio>
#include <algorithm>
#define fo(i,a,b) for(int i=a;i<=b;i++)
using namespace std;
int n,m,m1,ans;
int FD(int v,int T)
{
    int ans=0;
    for(int i=1,nx;i<=n&&i<=v;i=nx+1)
    {
        nx=v/(v/i);
        ans+=(nx-i+1)*(v/i);
        if(ans>=T||ans<0)return ans;
    }
    return ans;
}
int main()
{
    freopen("matrix.in","r",stdin);
    freopen("matrix.out","w",stdout);
    int q,w,v;
    scanf("%d%d%d",&n,&m,&m1);
    if(n>m)swap(n,m);
    while(m1--)
    {
        scanf("%d",&v);
        if(v==0){printf("0\n");continue;}
        int l=1,r=m;
        while(l<r)
        {
            int mid=(l+r)>>1;
            if(FD(mid,v)>=v)r=mid;
            else l=mid+1;
        }
        printf("%d\n",l);
    }
    return 0;
}
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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