poj 2388 Who's in the Middle

Who's in the Middle
Time Limit: 1000MS Memory Limit: 65536K
Total Submissions: 29593 Accepted: 17166

Description

FJ is surveying his herd to find the most average cow. He wants to know how much milk this 'median' cow gives: half of the cows give as much or more than the median; half give as much or less. 
FJ在调查自己的牛群来寻找最平均的奶牛。 他想 知道这只 “中等”牛能产多少奶 :一半的牛产奶比它多,一半的牛产奶比它少
Given an odd number of cows N (1 <= N < 10,000) and their milk output (1..1,000,000), find the median amount of milk given such that at least half the cows give the same amount of milk or more and at least half give the same or less.
给出一个奇数N (1 <= N < 10,000)作为牛的头数,并给出他们的产奶量 (1..1,000,000),找出那头产奶中等的牛。

Input

* Line 1: A single integer N 
一个N
* Lines 2..N+1: Each line contains a single integer that is the milk output of one cow.
每行给出一个牛的产奶量

Output

* Line 1: A single integer that is the median milk output.
中间那头牛的产奶量。。。

Sample Input

5
2
4
1
3
5

Sample Output

3

Hint

INPUT DETAILS: 

Five cows with milk outputs of 1..5 

OUTPUT DETAILS: 

1 and 2 are below 3; 4 and 5 are above 3.

Source


额,这道题就是排序一下求中值,wa了两次。。。一次是眼花写错了,一次是输出格式忘改了。。。所以没啥好注意的。。。
用的堆排序,多种排序都可以。快排也行,刚好学写堆,这道题过后可以盲敲堆排了,看来多敲几次确实有利于理解。。。
#include <stdio.h>
#define PARENT(i) (i >> 1)
#define LEFT(i) (i << 1)
#define RIGHT(i) (i << 1) + 1
#define N 10001
int heapsize;
void MAX_HEAPIFY(int a[N], int i){
	int l = LEFT(i);
	int r = RIGHT(i);
	int largest, temp;
	if (l <= heapsize && a[l] > a[i]){
		largest = l;
	}else{
		largest = i;
	}
	if (r <= heapsize && a[r] > a[largest]){
		largest = r;
	}
	if (largest != i){
		temp = a[i]; a[i] = a[largest]; a[largest] = temp;
		MAX_HEAPIFY(a, largest);
	}
}

void BUILD_MAX_HEAP(int a[N], int len){
	int i;
	heapsize = len;
	for (i = (heapsize >> 1); i >= 1;i --){
		MAX_HEAPIFY(a, i);
	}

}

void HEAPSORT(int a[N], int len){
	int i, temp;
	BUILD_MAX_HEAP(a, len);
	for (i = len; i >= 2;i --){
		temp = a[1]; a[1] = a[i];a[i] = temp;
		heapsize--;
		MAX_HEAPIFY(a, 1);
	}

}
int main(void){
	int n;
	int a[N];
	int i;
	//freopen("in", "r", stdin);
	while(scanf("%d", &n) != EOF){
		for (i = 1;i <= n;i ++){
			scanf("%d", &a[i]);
		}
		HEAPSORT(a, n);
//		for (i = 1;i <= n;i ++)
//            printf("%d ", a[i]);
		printf("%d\n", a[n / 2 + 1]);
	}
}


基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制问,并提供完整的Matlab代码实现。文章结合数据驱动方法与Koopman算子理论,利用递归神经网络(RNN)对非线性系统进行建模与线性化处理,从而提升纳米级定位系统的精度与动态响应性能。该方法通过提取系统隐含动态特征,构建近似线性模型,便于后续模型预测控制(MPC)的设计与优化,适用于高精度自动化控制场景。文中还展示了相关实验验证与仿真结果,证明了该方法的有效性和先进性。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事精密控制、智能制造、自动化或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能控制设计;②为非线性系统建模与线性化提供一种结合深度学习与现代控制理论的新思路;③帮助读者掌握Koopman算子、RNN建模与模型预测控制的综合应用。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现流程,重点关注数据预处理、RNN结构设计、Koopman观测矩阵构建及MPC控制器集成等关键环节,并可通过更换实际系统数据进行迁移验证,深化对方法泛化能力的理解。
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