HDU1873看病要排队(STL优先队列)

本文介绍了一个使用三个优先队列进行任务调度的问题解决方案。通过定义自定义比较器来实现优先级队列中元素的排序,并展示了完整的AC代码。此方案能够有效地处理任务的加入和弹出操作。

解题思路:根据题意维护三个优先队列。优先队列的重载符operator的知识有缺漏!!!

AC代码如下:

#include<stdio.h>
#include<string.h>
#include<string>
#include<iostream>
#include<algorithm>
#include<queue>
using namespace std;

struct node
{
	int number,quan;
	friend bool operator <(node a,node b)
	{
		if(a.quan==b.quan)
			return a.number>b.number;
		else
			return a.quan<b.quan;
	}
}human;

priority_queue<node> A,B,C;

int main()
{
	int i,a,b,n,cnt;
	char s[100];
	while(~scanf("%d",&n))
	{
		while(!A.empty()) A.pop();
		while(!B.empty()) B.pop();
		while(!C.empty()) C.pop();
		for(i=cnt=1;i<=n;i++)
		{
			scanf("%s",s);
			if(strcmp(s,"IN")==0)
			{
				scanf("%d%d",&a,&b);
				human.number=cnt++;
				human.quan=b;
				if(a==1)
					A.push(human);
				else if(a==2)
					B.push(human);
				else
					C.push(human);
			}
			else
			{
				scanf("%d",&a);
				if(a==1 && !A.empty())
				{
					printf("%d\n",A.top().number);
					A.pop();
				}
				else if(a==2 && !B.empty())
				{
					printf("%d\n",B.top().number);
					B.pop();
				}
				else if(a==3 && !C.empty())
				{
					printf("%d\n",C.top().number);
					C.pop();
				}
				else
				{
					printf("EMPTY\n");
				}
			}
		}
	}
	return 0;
}

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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

打赏作者

小胡同的诗

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