NOIP2012 借教室

本文介绍了解决洛谷1083号问题的两种方法:一是使用二分搜索结合前缀和的技术;二是利用线段树进行优化。通过具体的C++代码实现展示了如何有效地解决这个问题。

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

题目:http://www.luogu.org/problem/show?pid=1083#
分析:
法一:二分+前缀和
法二:线段树
代码:

#include <cstdio>
#include <algorithm>
#include <cstring>
using namespace std;
const int Tmax=1000005;
int n,m;
long long int sum[Tmax],tsum[Tmax],d[Tmax],s[Tmax],j[Tmax];
int check(int num)
{
    int i;
    long long int tmp=0;
    memset(tsum,0,sizeof(tsum));
    for(i=1;i<=num;i++)
    {
        tsum[s[i]]-=d[i];
        tsum[j[i]+1]+=d[i];
    }
    for(i=1;i<=n;i++)
    {
        tmp+=tsum[i];
        if(tmp+sum[i]<0) return 0;
    }
    return 1;
}
void work()
{
    int l=1,r=m,mid;
    while(l<r)
    {
        mid=(l+r)/2;
        if(check(mid)==1)
            l=mid+1;
        else r=mid;
    }
    printf("-1\n%d",r);
    return;
}
int main()
{
    int i;
    scanf("%d %d",&n,&m);
    for(i=1;i<=n;i++)
      scanf("%lld",&sum[i]);
    for(i=1;i<=m;i++)
      scanf("%lld %lld %lld",&d[i],&s[i],&j[i]);
    if(check(m)==1) printf("0");
    else work();
    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