11.15 ——:(

博主分享了本周学习过程,强调了数位dp在处理大数问题上的优化技巧,以及区间dp和背包问题的简单策略。通过实例阐述了如何将复杂问题转化为经典模板,期待下周更佳状态。

 

 这周没做很多题,现在我的实力还不是很容易刷的动,昨天星期六没做题,今天一晚上又补了两道题都顺利过了很舒服,UVA的题不给评测,早知道不做了(我感觉我应该可以ac),但是那俩题看了就有思路就忍不住做了,还是数位dp的题比较难,区间dp最简单了,背包问题思路也容易想到,我做的题目中最主流就这三种题型。

数位dp真的是思想要对数位的状态化简很明白,这里面三个数位的题,能想到数位dp很简单,因为数据大的离谱,很明显是数位dp,但是在运用数位dp之前,你应该怎么优化状态,怎么预处理数据,这东西是真的难,需要好好思考才能做出来。

区间dp老水题了,一般都可以较为暴力的出来,因为就是很直接啊(可能是我做的题难度就这·水平),只要想好了状态咋转移,咋表示就好了,背包也挺简单的,也算是小模板题的感觉,难一点的就切入点改变一下,要不就优化剪枝一下。

渐渐熟练点了,希望下周能状态更好一点吧。

基于蒙特卡洛法的规模化电动车有序充放电及负荷预测(Python&Matlab实现)内容概要:本文围绕“基于蒙特卡洛法的规模化电动车有序充放电及负荷预测”展开,结合Python和Matlab编程实现,重点研究大规模电动汽车在电网中的充放电行为建模与负荷预测方法。通过蒙特卡洛模拟技术,对电动车用户的出行规律、充电需求、接入时间与电量消耗等不确定性因素进行统计建模,进而实现有序充放电策略的优化设计与未来负荷曲线的精准预测。文中提供了完整的算法流程与代码实现,涵盖数据采样、概率分布拟合、充电负荷聚合、场景仿真及结果可视化等关键环节,有效支撑电网侧对电动车负荷的科学管理与调度决策。; 适合人群:具备一定电力系统基础知识和编程能力(Python/Matlab),从事新能源、智能电网、交通电气化等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研究大规模电动车接入对配电网负荷特性的影响;②设计有序充电策略以平抑负荷波动;③实现基于概率模拟的短期或长期负荷预测;④为电网规划、储能配置与需求响应提供数据支持和技术方案。; 阅读建议:建议结合文中提供的代码实例,逐步运行并理解蒙特卡洛模拟的实现逻辑,重点关注输入参数的概率分布设定与多场景仿真的聚合方法,同时可扩展加入分时电价、用户行为偏好等实际约束条件以提升模型实用性。
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