【NOIP2012 提高组 day2】

本文解析了NOIP2012提高组第二天三道题目的解题思路与代码实现:同余方程利用扩展欧几里得算法解决;借教室采用二分及差分技巧优化效率;疫情控制虽未给出完整代码,但讨论了使用倍增法求解的最大值问题。
#题目
A【NOIP2012 提高组 day2】同余方程
B【NOIP2012 提高组 day2】借教室
C【NOIP2012 提高组 day2】疫情控制

A. 【NOIP2012 提高组 day2】同余方程

 一道扩展欧几里得模板题(我不会告诉你我看了小蓝书才做出来的

#include<bits/stdc++.h>
#define ll long long
using namespace std;
ll a,b,x,y;
ll gcd(ll a,ll b,ll &x,ll &y) {
	if(!b){x=1,y=0;return a;
	}
	ll d=gcd(b,a%b,x,y);
	ll z=x;
	x=y;
	y=z-y*(a/b);
	return d;
}
int main(){
//	freopen("mod.in","r",stdin);
//	freopen("mod.out","w",stdout);
	scanf("%lld%lld",&a,&b);
	gcd(a,b,x,y);
	printf("%lld",(x%b+b)%b);
	return 0;
} 

B. 【NOIP2012 提高组 day2】借教室

考试时打了个线段树感觉信心满满,,,

结果超时了好伤心,,,

正解:二分,差分

如果之前的要求都无法满足那么之后的要求一定无法满足,具有单调性,所以用二分

dis[i]表示a[i]-a[i-1],这样就可以线性的求出每天需要的房间数,再和二分后的答案对比就行了

#include<bits/stdc++.h>
#define ll long long
using namespace std;
int n,m,a[1001000],d[1001000],L[1001000],R[1001000],dis[1001000],wi[1001000];
int check(int x){
	memset(dis,0,sizeof(dis));
	for(int i=1;i<=x;i++){
		dis[L[i]]+=d[i];
		dis[R[i]+1]-=d[i];
	}
	for(int i=1;i<=n;i++){
		wi[i]=wi[i-1]+dis[i];
		if(wi[i]>a[i])return 0;
	}
	return 1;
}
int main(){
//	freopen("classroom.in","r",stdin);
//	freopen("classroom.out","w",stdout);
	scanf("%d%d",&n,&m);
	for(int i=1;i<=n;i++)scanf("%d",&a[i]);
	for(int i=1;i<=m;i++)scanf("%d%d%d",&d[i],&L[i],&R[i]);
	int l=1,r=m;
	while(l<r){
		int mid=(l+r)/2;
		if(check(mid))l=mid+1;
		else r=mid;
	}
	if(l==m)printf("0");
	else printf("-1\n%d",l);
	return 0;
} 

 

C. 【NOIP2012 提高组 day2】疫情控制

又是一道毒瘤倍增题,考试时打了个暴力结果爆零???

不应该啊,结果刚考完我前面某位就喊了一句  居然可以同时行动

emm,,同时行动,,那就是是求最大值啊,,看了看我的代码 ans+=,,,,

原地去世

忽略那点小失误我的爆搜还是有20分的

不过正解是真的不会啊,,看了题解也是一头雾水,,感觉就算考场上我能想到正解也写不出来吧,,,,

所以代码依然莫得

(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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