poj 1002之我见

#include <iostream>
#include <stdio.h>
#include <stdlib.h>
#include <string.h>
using namespace std;
//出现Runtime Error可能原因是分配的局部的数组空间不够,之运行中出现此类错误
//使用每加入一个都计数的方式可能会导致Time Limit Exceeded
//最好使用一次排序并且一次遍历计数的方式
//q没有映射,暂记为1
char map[]={'2','2','2','3','3','3','4','4','4','5','5','5','6','6','6','7','7','7','7','8','8','8','9','9','9','9'};
//struct N{
// int data;
// int times;
//};
int nums[100005];

int cmp(const void *n1,const void *n2){
 return *(int *)n1 - *(int *)n2;
}                
int main(){
 int num;
 scanf("%d",&num);

 for(int i=0;i<num;i++){
  int now=0;
  char worknum[256];
  scanf("%s",&worknum);
  int index=0;//写入指针index4为扫描指针
  for(int index4=0;index4<strlen(worknum);index4++){
   if(worknum[index4]>='A'&&worknum[index4]<='Z'){
    worknum[index]=map[worknum[index4]-'A'];
    index++;
   }
   else if(worknum[index4]>='0'&&worknum[index4]<='9'){
    worknum[index]=worknum[index4];
    index++;
   }
   else
    continue;
  }
  worknum[index]='\0';
  //使用将字符创数字转化为int行的函数,一定要熟练。
  now=atoi(worknum);
  nums[i]=now;
  //查找有没有now
  //bool flag=false;
  //for(int j=0;j<=index2;j++){
  // if(nums[j].data==now){
  //  nums[j].times++;
  //  flag=true;
  // }
  //}
  //if(!flag){
  // index2++;
  // nums[index2].data=now;
  // nums[index2].times=1;
  //}
 }
 qsort(nums,num,sizeof(int),cmp);
 int dup=0;
 int count=1;
 for(int k=0;k<num;k++){
  if(nums[k]==nums[k+1]){
   count++;
  }
  else{
   if(count!=1){
    dup++;
    int head=nums[k]/10000;
    int tail=nums[k]%10000;
    printf("%03d-%04d %d\n",head,tail,count);
    count=1;
   }
  }
 }
 if(dup==0)
  printf("No duplicates.\n");
 return 0;
}

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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
 
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