NOIP2011Day1解题报告

本文解析了三道算法竞赛题目:铺地毯问题,选择客栈问题,以及Mayan游戏问题。详细介绍了各题目的背景、解决思路及算法优化,包括模拟、前缀和技巧以及深度搜索策略。

T1.铺地毯(carpet)

  给出n个矩形的左下角坐标和x,y方向的长度,后输入的在上层,求对于点x0,y0,最上面一层地毯的编号(无则-1)。

  一开始题目看错,以为是两组坐标。。。然而居然只WA了一个点???运气好运气好。。。看题还是要仔细。。做法么,模拟一遍就好了,大水题。

 

T2.选择客栈(hotel)

  给出n家客栈,总颜色数k,最大可承受消费p。对于每家客栈,有一个咖啡厅,以及一个颜色col[i],咖啡厅的最低消费pp[i]。求选择两家客栈l,r使得区间[l,r]内存在pp[i]<=p的店,而且col[l]==col[r]的方案数。

  一开始想到的是枚举中间咖啡店,然后计算两边各种颜色店的乘积。。。然后仔细一想,由于[l,r]内满足条件的可能有多家店,所以会重复计算,就放弃了。

  然后想到另一个算法。对于每个i,记录它后面每种颜色的店有几家,然后离它最近的满足pp[i]<=p的店的编号,这样的话只要每次加上一个r[closest[i]][col[i]]就好了。然后考虑一下closest[i]是不是也满足条件,不要漏算。然后这样AC了,但是空间复杂度很高,时间也有点慢,毕竟多了好多线性处理。

  然后看了hc算法之后顿悟。本来就是一个求和问题,为什么不直接求前缀和呢??于是只要开两个数组,记录一下当前的sum[col[i]],以及最近的满足条件的las[col[i]]就行了。然后只要更新的时候,考虑是否多算了当前店铺即可。这样空间小很多,运行起来也快了一些。

 

T3.mayan游戏(mayan)

  很早就看到过这个题,然后一直没敢写【想想就烦】。大概意思是,给出一个5*7的方格,每个方格可以有不同颜色的方块。你每次可以移动其中一个【左右移动】,然后因为重力一些方块会往下掉。这时如果有横向纵向连成三个及以上的都会消掉,而且是同时。然后消完有可能有方块往下掉,有可能消除……直到不能消,一次操作就完成了。(图例)

   

  现在要求n步以内能否有清空的方案。有则按x,y,(±1)的关键字顺序输出最小的一种,没有则输出-1。

  其实就是直接dfs爆搜,按照关键字顺序搜到的第一个解输出就好了。

  主要是转移状态的时候烦,容易写错。然后还要稍微优化一下,不然会超时。

  转移的时候,可以写一个函数转移,每次返回是否进行了消除,来判断是否继续重复操作。。然后往下掉的时候千万要仔细,我自己调的时候写错三四次orz。。

  然后优化的话,显然1方法更优,所以可以去掉-1操作,然后对左边28个每个都循环。但是需要注意的是(上下两个相同当然不换,这个废话不说),如果当前块是空,而换过来的那块是有色的,就要预先判断换成-1操作,否则就是WAWAWAWA(好像是四个点来着)。

  调不出来的话对着数据使劲找就能A了

转载于:https://www.cnblogs.com/zcyhhh/p/6893922.html

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
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