因为只考了280所以心情不爽写出的总结反思

本次分享主要围绕编程竞赛中出现的问题及解决策略展开,包括代码优化、数据处理技巧、时间管理等,适合所有热爱编程竞赛的朋友。

   .......这次只考了280,心情非常不好的说。关于这次只考了280的原因,主要是这样的:前三道敲太快了,第四道卡的时间太长了,敲完第四道还不仔细看前三道,而且因为第四道改的程序太多了,本来有些简单的地方也被复杂化了,导致数据超时了4组,本来只会超时三组的.....心累.....因为自己想出来的数据测试死活不对,然后就改了好多,然后......就没有然后了。So,

    警告一:当你的程序有地方不对的时,可以改;但要记得先将你的原程序找个文本文档存下来。然后当你改对之后,记得将原程序和现在的对比,如果原程序有比现在的处理更简单的,一定要优化现在的程序。不然....你就等着超时的数据更多吧,除非你可以肯定一定不会超,但最好是改过来。

    而且到现在为止,我都没想通自己第一题为什么会错。评测成绩出来,我一直就很诧异为什么第一题只拿了70。明明我的思路是对的,而且代码和100的基本上也一样。但看完最简洁的,顿时心灵受伤了....就这样,又一个道理:

    警告二:理解题意后,即使发现这道题 very easy也照样不能放松。说不定,极端数据和特殊数据就会在这种时候坑掉你二三十分甚至更多。而且,代码能够简单就不要把它复杂化,前提在于简单的代码是复杂代码的精髓,没有少了哪一部分。如果你不能100%的保证,那就用原来复杂的吧,在确认能拿分的前提下,再考虑复杂度,否则方法是简单了,照样拿不到分。

    第三题也没想通为什么会错,但慢慢分析,得出的结论和警告二是差不多的,就不再敲出来了。还是那句话,能简单就不要复杂

    第四题是让我最心累的一题,直到现在,还是没有AC。因为数据太大,如果想要AC,用的是散离化的思想,因为数据太大了,二重循环也会超时,如果不想让超时,只能用散离化的想来做。AC的那段代码虽然用的是散离化,但理解起来却有些困难。我是按照自己的思路来敲的,可是才拿了40....无语...代码也贴出来了

#include<iostream>

#include<cstdio>

#include<algorithm>

using namespace std;

int yt[1000100]={},s[30000],f[30000];

int main()

{

freopen("t4.in","r",stdin);

freopen("t4.out","w",stdout);

int n,k,j=1;

cin>>n>>k;

for(int i=1;i<=k;i++)

cin>>s[i]>>f[i];

while(j<=n+1)

{

if(s[j]>f[j]) j++;

yt[s[j]]++;

s[j]++;

}

sort(yt+1,yt+1+n);

cout<<yt[(n+1)/2];

return 0;

}

     第四题的题简单来说,有n个盒子,k次操作,每次往编号从ab的盒子里放一块糖(盒子的编号是1N),再将糖的数量排序,输出中位数。

         其实关于第四题的总结和反思,就是警告一了,但还有要补充的。

    警告三:关于大数据的一些题,先不要想着一下子所有的数据都可以过,也就是不要想着可以一次AC,这是最不现实的。一点一点来,先保证小数据和特殊数据没问题。将这样的代码先复制到文本文档里之后,在修改。举个例子,如果原来用的是二重循环,但是如果想要全部AC的话,只能用一重循环。那么就可以加一些预处理,如果不行的话,可以重敲,但记得注意时间。当你改完过后,如果对你敲的代码没有信心,可以自己多编几组数据试试,前提在于自己不能算错。如果对了(前提在于记得要多试几组),那可以提这个;如果没对你又没时间改了,那你就提交原来的吧,能拿一点是一点,不要太贪心。太贪心结果就有可能是搬起石头砸自己的脚。

    警告四:当剩时间不多时,就像还剩10分钟左右时,如果你还没敲完,那可以选择放弃了,除非你有把握能在四五分钟内结束。只剩五六分钟了,不管你原来在干什么,都停下来,检查文件名,输入输出,以及和题上要求的一不一样,代码弄错了没。尤其记得,文件名每道题的都不同,千万不能弄错。否则小心零分哦。

    好了,就这样了。

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的类或回归析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的类问题变得线性可。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1数等多项类指标展开,从而定量验证PSO算法在提升SVM模型类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参价值。 资源来源于网络享,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
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