算法与数据结构实验题 4.8 干净的序列

qq_42378281 — Wed, 17 Mar 2021 09:13:03 +0800

★实验任务有一个长度为 n 的序列，第 i 个的数为 a[i]。我们定义如果它的一个连续的子串为“没有进行过干净的交易”，那么这个子串的最大值与最小值之差在[m,k]中。现在，你的任务是找到一条最长的“没有进行过干净的交易”的子串。 ★数据输入第一行输入三个正整数 n m k (0

经典论文合集

qq_42378281 — Mon, 08 Feb 2021 19:02:55 +0800

优化器： An overview of gradient descent optimization algorithms

关于原神抽奖概率的简要分析

qq_42378281 — Thu, 17 Dec 2020 20:17:56 +0800

最近迷上了原神这款游戏，趁着保研完，肝了两个星期，也氪了一些金。先不谈这款游戏可玩性有多高，但论氪金强度算是我从小到大能排得上第一的了。对于这种寸卡寸金的游戏，如何在无穷无尽的抽卡活动中，做到理性抽卡，无疑需要严谨的数学分析，才能了解大概氪多少金才能满足自己的预期。本文将对此做出一定的解答。同时，本文对于网上一直所传的氪不改命，玄不救非之说，也将进行一定的抨击。 # -*- coding: utf-8 -*- """ import matplotlib.pyplot as plt import rand

LeastSquare Method最小二乘法（非线性转线性）用于多项式拟合

qq_42378281 — Thu, 17 Sep 2020 20:29:37 +0800

clear all; close all; n=40; a=5; b=10; c=6; x1=10*rand(1,n)-6; x2=x1.^2; f=@(k1,k2)a*k2+b*k1+c; y=f(x1,x2)+30*(rand(1,n)-0.5); sample=[x2;x1;y]'; x_mean=mean(sample); sample=sample-x_mean; covmat=1/n*(sample'*sample); [V,D]=eig(covmat); lambda=diag(D); [m,

PRM

qq_42378281 — Fri, 07 Aug 2020 15:57:47 +0800

close all; clear all; %% map global obs radius obs=[22,-16; 16,-18]; radius=[15.41 15.05]; src=[30;40]; dst=[-20;-40]; %% PRM n=2000; points=zeros(2,n); points(:,1)=src; points(:,n)=dst; dis=zeros(n,n); for i=2:n-1 while true prand=rand(1,

RRT算法（sampling based motion planning）

qq_42378281 — Thu, 30 Jul 2020 12:59:19 +0800

clear all; close all; global n obstacle dst range step map=zeros(255,255); n=9; obstacle=[170 50;50 36 ;78 89;90 140;205 169;123 94;124 215;150 170;40 200]; range=round(4*rand(1,n)+14); src=round(25*rand(2,1)+1); dst=round(45*rand(2,1)+190); for i=1:n

双模式人工势场法（Robotic Motion Planning）

qq_42378281 — Mon, 27 Jul 2020 02:35:28 +0800

看了网上一堆写人工势场的，跑了代码后，发现都有一个问题——高几率横穿障碍物。自己琢磨了下，想到之前学过的神经网络辨识器。在可能发生碰撞时，仅仅获取梯度的正负信息，并加以随机性，去搜索正确的下一步路径。没想到真的效果很好。这里要说一下，人工势场法的梯度下降，不建议采用动量梯度（即使用比率也不要太高）。在做了大量实验之后，我发现动量梯度有一定几率在终点处来回转几次，才到达终点。感兴趣的自己可以做下。所以双模式，也就是只在遇到碰撞或局部极小点情况时，采用梯度辨识模式，以帮助robot迅速回到正轨。下面上代

共轭梯度法

qq_42378281 — Sun, 26 Jul 2020 14:59:28 +0800

import numpy as np Q=np.matrix([[1,-0.5],[-0.5,1]]) b=np.matrix([[-1.56],[8.6]]) def F(x): global Q,b return 0.5*x.T*Q*x-x.T*b def g(x): return Q*x-b i=0 x0=np.random.rand(2,1) x=x0 d=g(x) epsilon=1e-32 print("step 0 :",x.flatten()) while i

01背包（一般dp实现+树形dp实现）

qq_42378281 — Fri, 12 Jun 2020 15:48:36 +0800

#include #include using namespace std; int dp[10000][10000]; int w[10000],v[10000]; bool chosen[10000][10000]; int main() { int n,m; scanf("%d %d",&n,&m); for(int i=1;i<=n;i++) { scanf("%d %d",&w[i],&

分块与线段树

qq_42378281 — Wed, 10 Jun 2020 21:22:13 +0800

#include #include #include using namespace std; int block[1000]; int n,num,m; int val[1000000]; int size,left; bool isbound(int x) { if(x%size) { return false; } else { return true; } } void add(int l

matlab演奏爱尔兰画眉

qq_42378281 — Wed, 10 Jun 2020 18:20:11 +0800

tune4=0:0.0001:1; tune8_3=0:0.0001:1.5; tune8=0:0.0001:0.5; tune2=0:0.0001:2; tune2_3=0:0.0001:3; tune1=0:0.0001:4; s=@(x,y)sin(2*pi*2^(3/12)*x*y); do=440; re=440*2^(2/12); mi=440*2^(4/12); fa=440*2^(5/12); sol=440*2^(7/12); la=440*2^(9/12); xi=440*2^(11/1

AC自动机

qq_42378281 — Wed, 10 Jun 2020 17:19:57 +0800

通过数组构建trie树，还有一种链表构建的，下次更。 #include #include #include #include #include using namespace std; int trie[100000][26]; int fail[100000]; int cnt=0; const int root=0; int size[100000]; c

PSO算法（matlab实现）

qq_42378281 — Sat, 06 Jun 2020 17:58:11 +0800

老师布置的作业，仿照B站上的PSO教学视频，完成PSO算法。这里是借助matlab，用PSO算法对内置的peaks函数进行了一个函数优化，并进行了粒子群的仿真。下面是收敛动画和代码。 clc clear all %% Parameter varmax=3; varmin=-3; epoches=100; w=1; wdamp=0.99; c1=2; c2=2; cost=@(x)3*(1-x(1)).^2.*exp(-(x(1).^2) - (x(2)+1).^2) ... - 10*(x(1

关于图论的几大算法(持续更新中)

qq_42378281 — Sat, 06 Jun 2020 17:48:26 +0800

dijstra的一般实现： #include #include #include #include using namespace std; typedef struct node{ int num,value; node(int num,int value):num(num),value(value){ } }node; vector v[10000];

KM算法的真O(n^3)写法

qq_42378281 — Sat, 06 Jun 2020 04:38:55 +0800

最近研究了下KM算法求二分图的最大权匹配，网上一堆人讲slack数组可以优化KM算法到O(n3)，仔细研究了下发现他们的写法和直接找min值，复杂度本质上是一样的，感觉有点画蛇添足。看了一篇大佬的文章，找到了这个真O(n3)的写法，它通过不重复构造新的增广路径将KM算法优化到了O(n3)，这里我自己实现了一遍。以下是实现代码。大佬的链接 #include #include #include #include<

自我复制机（C语言实现版）

qq_42378281 — Tue, 14 Apr 2020 16:00:57 +0800

刚看了北大刘田老师讲的递归定理，忍不住好奇心，用C语言实现了他讲的自我复制机。其中为了模拟图灵机的可改变的输入带，我用了sprintf函数，使用字符数组input来暂时保存带上的内容，方便改变。这里，转义字符是一个大坑，所以我用deal字符数组，来解决转义字符的问题。实际上input和deal数组里存储的内容是相同的，只是由于转义字符，两者要进行一个转换，具体见transfer函数。最终打印...

用户级线程VS系统级线程

qq_42378281 — Tue, 14 Apr 2020 01:38:45 +0800

用户级线程 import time import threading def calc(): x=1.5 for i in range(1000000): if i&1: x*=2.6 else: x/=2.6 tlist=[] for i in range(64): tlist.ap...

cache命中率对程序运行时间的影响真的很大吗？

qq_42378281 — Tue, 14 Apr 2020 01:09:17 +0800

这几天看到了一篇博文，叫CPU L2 缓存初探，其中作者想表达L2 cache和L3 cache存在巨大速度差，并且用go编了一段二分查找的程序，“果然”查了六倍有余。一开始，被忽悠住了，但后来自己用C编了同样一段程序，发现不对劲，得出的结果发现并没有作者那么大的差距，甚至根据运行时间，都察觉不到cache的存在。这才发现，作者的源码有问题，原因是两个对比程序的复杂度差别巨大。所以，今天写了这...

模拟退火算法（SA）

qq_42378281 — Mon, 24 Feb 2020 17:16:18 +0800

这些天疫情在家里自己看高级人工智能，写了一个模拟退火算法做函数优化的例子，防止以后忘了... 优化函数：f(x)=x4−2x3+32x2+6xf(x)=x^{4}-2x^{3}+32x^{2}+6xf(x)=x4−2x3+32x2+6x 函数图像： c++源码： #include #include #include

qq_42378281的博客