XYNUOJ 1256: 喷水装置(一)----贪心算法

本文探讨了在一块固定尺寸的草坪上,如何通过优化喷水装置的选择与布局,达到全面湿润草坪的同时,使用最少数量的喷水装置。具体算法涉及数学计算与排序技巧,通过实例演示了算法的有效性。
                                 1256: 喷水装置(一)

题目描述

现有一块草坪,长为20米,宽为2米,要在横中心线上放置半径为Ri的喷水装置,每个喷水装置的效果都会让以它为中心的半径为实数Ri(0< Ri< 15)的圆被湿润,这有充足的喷水装置i(1< i< 600)个,并且一定能把草坪全部湿润,你要做的是:选择尽量少的喷水装置,把整个草坪的全部湿润。

输入

第一行m表示有m组测试数据
每一组测试数据的第一行有一个整数数n,n表示共有n个喷水装置,随后的一行,有n个实数ri,ri表示该喷水装置能覆盖的圆的半径。

输出

输出所用装置的个数

样例输入

2
5
2 3.2 4 4.5 6
10
1 2 3 1 2 1.2 3 1.1 1 2

样例输出

2
5

#include<iostream>
#include<stdio.h>
#include<math.h>
#include<algorithm>
using namespace std;
double cmp(double x,double y)//按从大到小排序
{
    return x>y;
}

int main()
{
    int n,t,m;  
    cin>>n;   
    while(n--)
    {
    double h=0,l=20.0;//一定要用double类型
        cin>>m;
        double a[m];
        for(int i=0; i<m; i++)
            cin>>a[i];
        sort(a,a+m,cmp);
        for(int i=0; i<m; i++)
        {
            if(l>0&&a[i]>1)//a[i]>1保证宽可以被覆盖完全
            {
                l=l-2*sqrt(a[i]*a[i]-1);//利用三角形勾股定理
                h++;//记录装置的个数
            }
        }
        cout<<h<<endl;
    }
}

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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