cf176B. Pipeline

本文提供了一道CodeForces B级难度题目的解决方案。通过使用C++实现了一个高效的算法来计算特定条件下的排水口数量。该算法考虑了不同排水口配置下的数值计算,并运用了二分查找技术来优化搜索过程。
//题目连接:<a target=_blank href="http://codeforces.com/contest/287/problem/B">点击打开链接</a>

#include<iostream>
#include<cstdio>
using namespace std;
inline long long sum(long long a,long long k){
    return k*(k+1)/2-(k-a)*(k-a+1)/2-a+1;
}
int f(long long n,long long k){
    long long i,tot=1+(k-1)*k/2;
    if(n>tot) return -1;
    int toright=0;
    long long l=0,r=k,mid=(l+r)/2;//the numbers,have to take into account that l+1=r;uncontinue
    while(l<=r){
        long long tmp=sum(mid,k);
        if(tmp==n)break;
        else if(tmp<n){
            if(sum(mid+1,k)>=n){//对于mid个排水口,有2,3,...,mid+1的min,也有k,k-1,k-2,...,k-mid+1的max,而我的sum表示的是max,
                                //sum(mid)和sum(mid+1)之间不是连续的,所以加上if判断,修正
                toright=1;
                break;
            }
            l=mid+1;
            mid=(l+r)/2;
        }
        else{
            if(sum(mid-1,k)<n) break;
            r=mid-1;
            mid=(l+r)/2;
        }
    }
    return mid+toright;
}

int main(){
    long long n,k;
    scanf("%I64d%I64d",&n,&k);
    cout<<f(n,k)<<endl;
    return 0;
}


/** * 初始化Netty资源,建立tcp长连接 */ public void initStreamHealth() { eventLoopGroup = new NioEventLoopGroup(); bootstrap = new Bootstrap(); bootstrap.group(eventLoopGroup) .channel(NioSocketChannel.class) .option(ChannelOption.CONNECT_TIMEOUT_MILLIS, 3000) .handler(new ChannelInitializer<SocketChannel>() { @Override protected void initChannel(SocketChannel ch) { ChannelPipeline pipeline = ch.pipeline(); pipeline.addLast(new TabletListenerHandler()); } }); // 执行连接 tcpRetryCount = 0; connect(); } /** * 建立tcp长连接 */ private void connect() { if (stopReconnect) { return; } // 检查是否达到最大重连次数 if (tcpRetryCount >= GlobalSetting.maxTcpRetryTimes) { LogUtil.DONGDAL_CLINET.error("已达到最大重连次数(" + GlobalSetting.maxTcpRetryTimes + "),停止重连"); return; } String ip = atomicDsDuccItem.getIp(); int port = Integer.parseInt(atomicDsDuccItem.getTabletPort()); // 发起异步连接 ChannelFuture future = bootstrap.connect(ip, port); future.addListener((ChannelFuture f) -> { if (!f.isSuccess()) { // 连接失败 // 增加重试次数 tcpRetryCount++; System.out.println("tcp connection failed: " + ip + ":" + port + ", 当前重试次数: " + tcpRetryCount); LogUtil.DONGDAL_CLINET.error("tcp connection failed: " + ip + ":" + port + ", 当前重试次数: " + tcpRetryCount, f.cause()); // 延迟3秒后再次尝试重连(可根据业务需要做退避策略等) f.channel().eventLoop().schedule(this::connect, GlobalSetting.maxTcpRetryTimes, TimeUnit.SECONDS); } else { System.out.println("连接成功"); // 连接成功 // 重制连接计数器 tcpRetryCount = 0; channel = f.channel(); LogUtil.DONGDAL_CLINET.info("tcp connection successful: " + ip + ":" + port); // 监听连接关闭事件。一旦通道关闭,再次尝试重连 channel.closeFuture().addListener((ChannelFutureListener) cf -> { // 通道关闭后,再次尝试重连 LogUtil.DONGDAL_CLINET.error("tcp connection closed: " + ip + ":" + port); cf.channel().eventLoop().schedule(TabletHealthCheck.this::connect, GlobalSetting.maxTcpRetryTimes, TimeUnit.SECONDS); }); } }); }会无限递归吗
08-30
提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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