HDU 6168 Numbers 思维

本文针对HDU6168题进行详细解析,该题与HDU6092类似,但限制了仅能从输入中选择两个数字组合成新数。采用map数据结构记录所有可能的组合,通过双重循环实现高效更新。最终输出所有可行的组合数量及具体数值。

题目

      HDU 6168

分析

      官方题解
这里写图片描述
      和HDU 6092很类似,不过区别在于6092那道题目可以取多个不同的数字组成一个新的数,所以要用0-1背包。这道题目只能取两个数字组成一个新的数,所以用一个 map 维护能够组成的数字就行了,每找到一个新的数字,就遍历之前所有的数来更新 map 。虽然代码看起来是三重循环,但是复杂度是 O(M+N2)

代码

#include <cstring>
#include <cstdio>
#include <vector>
#include <map>

using namespace std;
const int N = 125255;
map<int, int> M1;
map<int, int> M2;
int b[N], m;
int a[N], n;

int main()
{
    //freopen("test.txt", "r", stdin);
    //freopen("out.txt", "w", stdout);
    while (~scanf("%d", &m))
    {
        M1.clear();
        M2.clear();
        for (int i = 1; i <= m; i++)
        {
            scanf("%d", &b[i]);
            M1[b[i]]++;
        }
        n = 0;
        for (map<int, int>::iterator it = M1.begin(); it != M1.end(); it++)
        {
            int val = it->first;
            int cnt1 = it->second;
            int cnt2;
            if (!M2.count(val)) cnt2 = 0;
            else cnt2 = M2[val];
            int cnt3 = cnt1 - cnt2;
            for (int j = 1; j <= cnt3; j++)
            {
                a[++n] = val;
                for (int k = 1; k < n; k++)
                    M2[val + a[k]]++;
            }
        }
        printf("%d\n", n);
        for (int i = 1; i <= n; i++)
            printf("%d%c", a[i], i < n ? ' ' : '\n');
    }
    return 0;
}
基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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