BZOJ3680 吊打XXX(模拟退火算法)

本文探讨了一种使用力学原理进行路径优化的算法,通过模拟物理运动来解决实际问题,实现路径的有效优化。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

其实我并不确定这是什么算法。


代码参考自hzwer巨神

#include<stdio.h>
#include<stdlib.h>
#include<math.h>
#define eps 1e-6
double x[10005],y[10005],w[10005];
double dis(double x1,double y1,double x2,double y2)
{
	double d=sqrt( (x1-x2)*(x1-x2) + (y1-y2)*(y1-y2) );
	if(d>-eps&&d<eps) return eps;
	return d;
}
int main()
{
	double t,xx=0.0,yy=0.0,fx,fy,F;//设初始位置为(0,0)
	int n,i;
	scanf("%d",&n);
	for(i=1;i<=n;i++)
		scanf("%lf%lf%lf",&x[i],&y[i],&w[i]);
	for(t=10000;t>0.00001;t*=0.99)//t:步长 
	{
		fx=fy=0;
		for(i=1;i<=n;i++)
		{
			fx+=w[i]*(x[i]-xx)/dis(x[i],y[i],xx,yy);//fx:水平合外力 
			fy+=w[i]*(y[i]-yy)/dis(x[i],y[i],xx,yy);//fy:竖直合外力 
		}
		F=dis(fx,fy,0,0);//F:合外力,(fx/F,fy/F)为合外力的方向向量 
		if(F<0.0001) break;
		xx+=t*fx/F;
		yy+=t*fy/F;
	}
	printf("%.3lf %.3lf",xx,yy);
	return 0;
}


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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