平衡的子集 【NOIP2016提高A组集训第4场11.1】

本文介绍了一个关于夏令营成员分组的问题,并提出了一种高效的算法解决方案。通过将问题拆分为两个子集进行搜索,利用哈希表解决重复问题,最终找到所有可能的平衡分组方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description

夏令营有N个人,每个人的力气为M(i)。请大家从这N个人中选出若干人,如果这些人可以分成两组且两组力气之和完全相等,则称为一个合法的选法,问有多少种合法的选法?

Input

第一行一个整数N,表示人数。
接下来N行,每行一个整数M(i)

Output

输出一行一个整数,表示一共多少种选法。

Sample Input

4
1
2
3
4

Sample Output

3
样例解释:
第一种选出{1,2,3},分成{1,2}和{3}两组;
第二种选出{1,3,4},分成{1,3}和{4}两组;
第三种选出{1,2,3,4},分成{1,4}和{2,3}两组。

Data Constraint

40%的数据满足:1<=M(i)<=1000;
对于100%的数据满足:2<=N<=20,1<=M(i)<=100000000


剖解题目

。。。。


解法

直接暴力是3^20,显然过不了。
可以折半搜索。
每一个数只有选入第一集合,第二个集合或不选三种情况,分别用1,-1,0表示。
所以我们先3^10搜索前面的一半,记录所有状态。然后再搜索后面一半,看看是否有与前面状态一样的情况,记录答案。
当然,这有重复问题,我们用hash判重。
然而我人品太辣鸡,hash判重都被卡。。。。。。
可能是我连边问题。。。。


代码

#include<cstdio>
#include<algorithm>
#include<cstdlib>
#include<cstring>
#define fo(i,a,b) for(int i=a;i<=b;i++)

using namespace std;

const int maxn=(1<<20)+5,mo=1079021;
int a[25],ha[mo*2],fre[mo*2],next[mo*2],go[mo*2];
int n,num,ans;
bool bz[maxn];

int hash(int x)
{
    int y=x%mo+mo;
    while (ha[y]!=0&&ha[y]!=x) y=y%(mo*2)+1;
    if (!ha[y]) ha[y]=x;
    return y;
}
void add(int x,int y)
{
    go[++num]=y;
    next[num]=fre[x];
    fre[x]=num;
}
void dfs1(int now,int sum,int sta)
{
    if (now>n/2) {
        int h=hash(sum);
        add(h,sta);
        return;
    }
    dfs1(now+1,sum,sta);
    dfs1(now+1,sum+a[now],sta+(1<<now-1));
    dfs1(now+1,sum-a[now],sta+(1<<now-1));
}
void dfs2(int now,int sum,int sta)
{
    if (now>n){
        int h=hash(sum);
        int i=fre[h];
        while (i){
            if (!bz[go[i]+sta]) bz[go[i]+sta]=true,++ans;
            i=next[i];
        }
        return;
    }
    dfs2(now+1,sum,sta);
    dfs2(now+1,sum+a[now],sta+(1<<now-1));
    dfs2(now+1,sum-a[now],sta+(1<<now-1));
}
int main()
{
    freopen("subset.in","r",stdin);
    freopen("subset.out","w",stdout);
    scanf("%d",&n);
    fo(i,1,n) scanf("%d",&a[i]);
    dfs1(1,0,0);
    dfs2(n/2+1,0,0);
    printf("%d",ans-1);
}

这里写图片描述

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用景中的关键问题,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市交易、新能源消纳等相关领域的工程师和技术专家。 使用景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
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