Modulo Pairing,AGC032E,性质+二分

本文探讨了通过排序和二分查找解决特定配对问题的算法优化方法。介绍了一种寻找断点的策略,使左侧x+y<m,右侧x+y>=m,从而实现最小化最大值的目标。通过证明不合法方案的转化,阐述了算法的正确性和高效性。

正题

      Portal

      把a排序后,最优的方案就是找到一个断点,使得左边x+y<m,且右边x+y>=m,然后左右分别首尾配对使得最大值最小。

      具体证明可以自己想想不合法的方案,发现都可以转化为一种等价或更优的合法方案。

      然后怎么找这个断点呢?

      可以发现左右的最大值都是随着断点的右移而增大的。

      那么要找的就是最小合法断点,二分即可,判断可不可行直接看右边是否有x+y<m的对

      或者找左边有没有x+y>=m的对即可。

      可以简单证明如果一边不合法,另一边必定都合法。

#include<bits/stdc++.h>
using namespace std;

const int N=200010;
int n,a[N],m;

bool check(int x){
	for(int i=x*2+1;i<=2*n;i++) if(a[i]+a[2*n-i+2*x+1]<m) return false;
	return true;
}

int main(){
	scanf("%d %d",&n,&m);
	for(int i=1;i<=2*n;i++) scanf("%d",&a[i]);
	sort(a+1,a+1+2*n);
	int l=0,r=n,ans=0;
	while(l<=r){
		int mid=(l+r)/2;
		if(check(mid)) r=(ans=mid)-1;
		else l=mid+1;
	}
	int mmax=0;
	for(int i=1;i<=ans;i++) mmax=max(mmax,a[i]+a[2*ans-i+1]);
	for(int i=2*ans+1;i<=2*n;i++) mmax=max(mmax,a[i]+a[2*n-i+2*ans+1]-m);
	printf("%d\n",mmax);
}

 

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长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一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:具备一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