2021-07-12

一、上午 (二分算法)

  • 防具布置:long long!!!

二、下午(深度搜索)

  1. 最大费用:直接去算会爆掉,考虑将物品分成数量差不多的两组,分别计算出所有可能的价值和,然后对于第一部分的某个价值和在第二个部分中二分查找总和小于m的那个值。这样做的话,搜索的复杂度由O(240)变成了O(2*220),大大降低了时间复杂度。
  2. 数独游戏:初始化时要把有数字的标记上;void change(int x,int y,int v){ a[x]^=1<<v,b[y]^=1<<v,c[x/3*3+y/3]^=1<<v; }这里的v取值是0~8,而for(ri i=0;i<9;++i) for(ri j=0;j<9;++j) if(s[i*9+j]=='.') tot++,f[i][j]=0; else f[i][j]=s[i*9+j]-48,change(i,j,f[i][j]-1);里的f[i][j]取值是1~9,注意区别;
  3. 一下午就只做了这两个题qwq。

三、晚上

  1. 最小时间:TLE。
    新知识nth_element(a+1,a+m+1,a+n+1);无返回值)找出a数组中第m小的数,此时a数组中的前m个数是数组中最小的m个数,其他的数未排序。
  2. 虫食算:开始时TLE,优化搜索顺序后A了。
  3. 射击问题:才20分
【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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

打赏作者

Robin_w2321

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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