HDU 3687 National Day Parade

本文介绍了一种算法,用于解决将分散在不同位置的人员组成方阵的问题,目标是最小化人员移动的总距离。通过排序和枚举策略,找到最佳布局方案。

#Description
有nm的阵
n
n个人
每行n个,分散在不同的位置
然后他们要组成一个n*n的方阵,问最小移动总和
#Algorithm
先对每行为位置排序
然后枚举每个列 i
每行的第一个肯定是 在 i 最短
第二个在 i + 1最短
#Code

#include <cstdio>
#include <cstring>
#include <cmath>
#include <iostream>
#include <algorithm>
using namespace std;
const int maxn = 56 + 9;
int a[maxn][maxn];
int main()
{
  int n, m;
  for (;;)
  {
    scanf("%d%d", &n, &m);
    if (n == 0 && m == 0) break;
    memset(a, 0, sizeof(a));
    for (int i = 0; i < n * n; i++)
    {
      int x, y;
      scanf("%d%d", &x, &y);
      a[x][++a[x][0]] = y;
    }
    for (int i = 1; i <= n; i++)
      sort(a[i] + 1, a[i] + n + 1);
    int ans = 1000000;
    int ansi = 0;
    for (int i = 1; i <= m; i++)
    {
      int tt = 0;
      for (int j = 1; j <= n; j++)
        for (int k = 1; k <= a[j][0]; k++)
          tt += abs(a[j][k] - (i + k - 1));
      if (tt < ans)
      {
        ansi = i;
        ans = tt;
      }
    }
    cout << ans << endl;
  }
}

【SCI级别】多策略改进鲸鱼优化算法(HHWOA)和鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30寻优对比内容概要:本文档主要介绍了一项关于多策略改进鲸鱼优化算法(HHWOA)与标准鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30上进行寻优性能对比的研究,属于智能优化算法领域的高水平科研工作。文中通过Matlab代码实现算法仿真,重点展示了HHWOA在收敛速度、寻优精度和稳定性方面的优势,体现了多策略改进的有效性。该研究适用于复杂优化问题求解,尤其在工程优化、参数辨识、机器学习超参数调优等领域具有应用潜力。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事智能优化算法开发与应用的工程技术人员,尤其适合致力于SCI论文写作与算法创新的研究者。; 使用场景及目标:①用于理解鲸鱼优化算法的基本原理及多策略改进思路(如种群初始化、非线性收敛因子、精英反向学习等);②为智能优化算法的性能测试与对比实验提供CEC2017标准测试平台的实现参考;③支撑学术研究中的算法创新与论文复现工作。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注HHWOA的改进策略模块与WOA的差异,通过重复实验验证算法性能,并可将其思想迁移至其他优化算法的改进中,提升科研创新能力。
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