uva12801 Grandpa Pepe’s Pizza

本博客讨论了一个关于如何将周长为n的披萨均匀分割成n/m份,并确保每份恰好包含一个橄榄的问题。通过分析橄榄的分布位置,提出了一种判断方法来解决该问题。

题目链接:http://uva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem&problem=4666

题意:一个周长为n的披萨,每个整数位置分别从0到n-1。然后有m个橄榄,分别放在a[i]的位置。m能整除n。问将披萨均分为n/m份,是否保证每份恰好有一个橄榄。橄榄大小不记。

令k=n/m,刚开始我是想着橄榄两两相隔距离(a[1]和a[3],a[2]和a[4])都大于k就能满足条件,后来发现不行,当重复覆盖同一部分会发现不能满足条件比如:

12 4

1 2 6 7

只能枚举起始位置,一个个往后面推了。看是否这段距离有且仅有一个橄榄即可。

 

#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <algorithm>
#include <iostream>
#include <cmath>
#include <queue>
#include <map>
#include <stack>
#include <list>
#include <vector>
#include <ctime>
#define LL __int64
#define eps 1e-8
using namespace std;
int i,j,n,m;
int a[10010];
int main()
{
	while (~scanf("%d%d",&n,&m))
	{
		for (i=1;i<=m;i++)
			scanf("%d",&a[i]);
		a[m+1]=n+a[1];
		int k=n/m;
		int ok=0;
		for (i=a[1];i<a[2];i++)
		{
			int flag=1,pos=i;
			for (j=2;j<=m+1;j++)
			{
				if (pos<a[j] && pos+k>=a[j])
					pos+=k;
				else
				{
					flag=0;
					break;
				}
			}
			if (flag)
			{
				ok=1;
				break;
			}
		}
		if (ok) cout<<"S"<<endl;
		else cout<<"N"<<endl;
	}
	return 0;
}

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
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