【JZOJ 5413】【NOIP2017提高A组集训10.22】清兰

本文介绍了一种关于区间插入问题的优化算法,通过合理分配插入点数以最小化总成本,并利用优先队列实现高效求解。

Description

这里写代码片

Solution

结论1:m个点不一定全部用完,多余的可以插到末尾去,相当于没有;
结论2:对于一个区间,如果插入k个,那么最优的情况一定是均分(荷西不等式);
结论3:一个区间的最少插入个数为:(设ALLd=|aiai1|

min(|aiai1L|,|aiai1|mALLd)

这三个结论题解说都很好猜(懵),
根据这个结论,可以初步给每个位置进行操作,
那么对于剩下的机会,考虑怎样对答案最优,
首先,对于两个,它们的代价都是互不影响的,
设这个区间的差为d,插入了k个,那么它的贡献为:

k(dkL)2=d2k2dL+kL2

对于k和k+1作一个差,则从k到k+1需要把答案加上:
d2k(k+1)+L2

这个值显然要小于0,这样才对答案有利,

娜那就贪心,每次在堆中查找全局找到最小的,把答案加上,再把k+1的贡献加入堆中,

(复杂度并不会证明)
复杂度:O(nlog(n))

Code

#include <cstdio>
#include <algorithm>
#include <queue>
#define fo(i,a,b) for(int i=a;i<=b;i++)
#define fod(i,a,b) for(int i=a;i>=b;i--)
#define min(q,w) ((q)>(w)?(w):(q))
#define max(q,w) ((q)<(w)?(w):(q))
#define DT(d,k) (L*L-(d)*(d)/(k)/((k)+1))
#define abs(q) ((q)>0?(q):(-(q)))
using namespace std;
typedef double db;
const int N=50500;
int m,n;
db a[N];
db L,ans;
struct qqww
{
    db d,k,v;
    friend bool operator <(qqww q,qqww w){return q.v>w.v;}
};
priority_queue<qqww>d;
int main()
{
    int q,w;db ALL=0;
    scanf("%d%d%lf",&n,&m,&L);
    if(L==0)L=0.00000000000000000001;
    fo(i,1,n)scanf("%lf",&a[i]),ALL+=abs(a[i]-a[i-1]);
    ALL-=abs(a[1]);
    ans=w=0;
    fo(i,2,n)
    {
        db d1=abs(a[i]-a[i-1]);
        q=min(abs(d1/L),d1*m/ALL);
        if(q<1)q=1;
        w+=q-1;
        qqww t;
        t.d=a[i]-a[i-1];t.k=q;
        t.v=DT(d1,q);
        d.push(t);
        ans+=t.k*(t.d/t.k-L)*(t.d/t.k-L);
    }
    for(m-=w;m;m--)
    {
        qqww t=d.top();d.pop();
        if(t.v>=0)break;
        ans+=t.v;
        t.k++;
        t.v=DT(t.d,t.k);
        d.push(t);
    }
    printf("%.3lf\n",ans);
    return 0;
}
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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