UVA - 839 B - Not so Mobile

题意:输入一个树状天平,根据力矩相等原则判断是否平衡(WlDl=WrDr),Wl和Wr分别为左右俩边砝码的重量,D为距离。Wl和Wr为0时,表示该砝码还有子天平,当Wl=Wr=0时,会先描述左子天平,然后右子天平。

分析:  需要判断子天平平衡和判断父天平是否平衡。子天平可以根据公式判断 ,父天平的两边的重量是子天平砝码总和。  在进行先序遍历时,需要一个参数用来获取子天平的总质量。

代码:

#include<stdio.h>
#include<string.h>
#include<algorithm>
using namespace std;
int flag;
int sort(int wl,int dl,int wr,int dr)
{
    int Wl,Dl,Wr,Dr,v1=wl,v2=wr;
    if(wl==0)  //有左子天平
    {
        scanf("%d%d%d%d",&Wl,&Dl,&Wr,&Dr);
        v1=sort(Wl,Dl,Wr,Dr);
    }
    if(wr==0)  //有右子天平
    {
        scanf("%d%d%d%d",&Wl,&Dl,&Wr,&Dr);
        v2=sort(Wl,Dl,Wr,Dr);
    }
    if(v1*dl!=v2*dr)  //天平平衡
        flag=0;
    return v1+v2;     //返回子天平的重量
};
int  main()
{
    int wl,dl,wr,dr,t;
    scanf("%d",&t);
    while (t--)
    {
        flag=1;
        scanf("%d%d%d%d",&wl,&dl,&wr,&dr);//输入
        sort(wl,dl,wr,dr);
        if (flag) 
            printf("YES\n");
        else 
            printf("NO\n");
        if(t)
            printf("\n");
    }
    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
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