qduoj10月赛

#include<bits/stdc++.h>
using namespace std;
int F[1100];
int find_(int x){
    return (F[x]==x)?x:find_(F[x]);
}
int main()
{
    int n,m;
    while(scanf("%d",&n),n!=0){
        scanf("%d",&m);
        for(int i=1;i<=n;i++) F[i]=i;
        while(m--){
            int x,y;
            scanf("%d%d",&x,&y);
            int fx=find_(x);
            int fy=find_(y);
            if(fx!=fy){
                F[fx]=fy;
            }
        }
        int ans=-1;
        for(int i=1;i<=n;i++)
            if(F[i]==i) ans++;
        cout<<ans<<endl;
    }
    return 0;
}
#include<bits/stdc++.h>
using namespace std;
int a[100000+100];
int b[100000+100];
int main()
{
    int t;
    scanf("%d",&t);
    while(t--){
        int n;
        scanf("%d",&n);
        for(int i=0;i<n;i++) scanf("%d",&a[i]);
        int Max = a[0];
        for(int i=1;i<n;i++){
            b[i] = Max - a[i];
            Max = max(Max,a[i]);
        }
        int ans=-0x7f7f7f7f;
        for(int i=1;i<n;i++)
            ans = max(ans,b[i]);
        cout<<ans<<endl;
    }
    return 0;
}
#include<bits/stdc++.h>
using namespace std;
int h[1000000*2+10];
int main()
{
    int n;
    while(~scanf("%d",&n)){
        memset(h,0,sizeof(h));
        while(n--){
            int x;
            scanf("%d",&x); x+=1000000;
            h[x]++;
        }
        int f=1;
        for(int i=1;i<=1000000*2;i++)
            if(h[i]&1) { if(f) { printf("%d",i-1000000); f=!f;} else printf(" %d",i-1000000); }
        printf("\n");
    }
    return 0;
}
#include<bits/stdc++.h>
using namespace std;
int main()
{
    long long f[15];
    f[1]=1;
    for(int i=2;i<12;i++) f[i]=f[i-1]*i;
    string s;
    while(cin>>s){
        long long sum=0;
        for(int i=0;i<=11;i++){
            int k=0;
            for(int j=i+1;j<=11;j++)
                if(s[i]>s[j]) k++;
            sum+=f[12-i-1]*k;
        }
        printf("%lld\n",sum+1);
    }
    return 0;
}
#include <stdio.h>
#define maxn 222222

#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1

int m;
int MAX[maxn<<2];

int max(int a,int b)
{
    return a>b? a:b;
}

void PushUP(int rt)
{
    MAX[rt]=max(MAX[rt<<1],MAX[rt<<1|1]);
}

void Build(int l,int r,int rt)
{
    if(l==r)
    {
        scanf("%d",&MAX[rt]);
        MAX[rt]%=m;
        return;
    }
    int m=(l+r)>>1;
    Build(lson);
    Build(rson);
    PushUP(rt);
}

void Update(int p,int add,int l,int r,int rt)
{
    if(l==r)
    {
        MAX[rt]=add;
        return;
    }
    int m=(l+r)>>1;
    if(p<=m)
        Update(p,add,lson);
    else
        Update(p,add,rson);
    PushUP(rt);
}

int Query(int L,int R,int l,int r,int rt)
{
    if(L<=l&&R>=r)
        return MAX[rt];
    int m=(l+r)>>1;
    int ret=0;
    if(L<=m)   ret=max(ret,Query(L,R,lson));
    if(R>m)    ret=max(ret,Query(L,R,rson));
    return ret;
}

int main()
{
    int N,M;
    int t;
    scanf("%d",&t);
    while(t--){
       scanf("%d%d",&N,&m);
        Build(1,N,1);
        scanf("%d",&M);
        while(M--)
        {
            int a,b;
            scanf("%d%d",&a,&b);
            printf("%d\n",Query(a,b,1,N,1));

        }
    }


    return 0;
}

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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