codevs1113 聪明的质检员

本文介绍了一个使用二分查找解决特定问题的过程,包括避免整数溢出的问题,并通过不断调整搜索范围来寻找最优解。文章包含完整的C++代码实现。

虽然一眼看出是二分,但是还是连wa7次(喂,你自己不注意数据超int

#include<cstdio>
#include<cstdlib>
#include<iostream>
#include<cmath> 
using namespace std;
#define ll long long
#define inf (1LL<<60)
ll n,m,p;
ll S; ll ans=inf;
ll l[200005],r[200005];
ll w[200005],v[200005];
ll sum[200005],cnt[200005];
ll cal(ll W)
{
	ll tmp=0;
	for(ll i=1;i<=n;i++)
	{
		sum[i]=sum[i-1];
		cnt[i]=cnt[i-1];	
		if(w[i]>=W)
		{
			sum[i]+=v[i];
			cnt[i]++;
		}
	}
	for(ll i=1;i<=m;i++)
	{
		tmp+=(cnt[r[i]]-cnt[l[i]-1])*(sum[r[i]]-sum[l[i]-1]);
	}
	return tmp;
}
int main(){
	scanf("%lld%lld%lld",&n,&m,&S);
	for(ll i=1;i<=n;i++) scanf("%lld%lld",&w[i],&v[i]),p=max(p,w[i]);
	for(ll i=1;i<=m;i++) scanf("%lld%lld",&l[i],&r[i]);
	ll l=0,r=p+1; 
	while(l<=r)
	{
		ll mid=(l+r)>>1;
		ll t=cal(mid);
		ans=min(ans,abs(t-S));
		if(t<S)r=mid-1;
		else l=mid+1;
	}
	printf("%lld\n",ans);
	return 0;
}


基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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