二模07day1解题报告

算法题解精讲

T1.种树(tree)

有n棵树,各有高度,要求每棵树的高度都小于它到其他树的距离(可能种一起)。求砍掉的总高度是多少。

Ok,那么可以想到,只要满足每棵树和最近的树满足条件就可以保证和其他树满足了。所以只要按pos排个序,去重,然后一棵一棵砍,就好了。

T2.统计方案(count)

    有n个数,取出一部分,相乘mod p=c,求方案树。

       还是暴力求解。。。。

       正解是非常神的。由于16的数据是可以比较快的解出来的,所以就可以把所有可能达到的值全都算出来。

       然后可以用类似的办法求出另一组中的可能积b,使得a*b%p=c,而a可以通过逆元得到,再给ans加上保存好的a的方案数。In this way,就可以算出ans了。

       但是,要注意c==1的情况是要-1的,而c>=p当然是无解的啦。

       逆元的具体求法如下:

      

      

       need就是所需要的a了。

 

T3.魔棒(magic)

    初始hp的人将受到n次伤害,他有魔棒(冷却时间为cd)可以回复hp(受到一次伤害积累一点能量,每次使用消耗全部能量,回复15*能量点数的hp)。求cd的最大值。

       一开始想到的明显是二分答案,判断可行性,然而判断的方法类似dfs肯定会超时。所以只过了50%

       正确的判断方法要用到差分约束,将判断过程转化为求最短路判负环的问题。

 

就这样吧。。

转载于:https://www.cnblogs.com/zcyhhh/p/5932092.html

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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