假日赛boss

https://ac.nowcoder.com/acm/contest/4862/E

给n(<=20)头牛,每头牛有自己的身高、重量、承重,要让它们叠罗汉并高度至少是h,并要求剩余的载重量最大(说明最稳),求这个最大剩余载重量。

这题初看直接暴搜剪枝,,仔细一想才发现复杂度不对,是20!的。然后就没辙了,直到看了这篇博客,果然还是有藏着很隐蔽的关系约束的hh,核心思路是想到对于每种方案就是求si-sum{wi+1..wn}的最小值。然后对于所有方案再找最大。

代码就直接按二进制遍历即可。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
#include<bits/stdc++.h>
using namespace std;

struct d{
    int h,w,s;
    friend bool operator<(d x,d y){
        return x.s+x.w>y.s+y.w;
    }
}ds[21];
int n,h;

int chs[21],p;
int solve(int x){
    int i=1;p=0;
    int xh=0;
    while(x){
        if(x&1){
            chs[++p]=i;
            xh+=ds[i].h;
        }
        i++;x>>=1;
    }
    if(xh<h)
        return -1;
    int xs=ds[chs[p]].s;
    int xw=ds[chs[p]].w;
    for(int i=p-1;i;i--){
        xs=min(xs,ds[chs[i]].s-xw);
        xw+=ds[chs[i]].w;
    }
    return (xs>=0?xs:-1);
}

int main(){
    cin>>n>>h;
    for(int i=1;i<=n;i++)
        cin>>ds[i].h>>ds[i].w>>ds[i].s;
    sort(ds+1,ds+1+n);
    int ans=-1;
    for(int i=1;i<=(1<<n);i++){
        ans=max(ans,solve(i));
    }
    if(ans>=0)
        cout<<ans<<endl;
    else
        cout<<"Mark is too tall"<<endl;
}
内容概要:本文详细探讨了基于樽海鞘算法(SSA)优化的极限学习机(ELM)在回归预测任务中的应用,并与传统的BP神经网络、广义回归神经网络(GRNN)以及未优化的ELM进行了性能对比。首先介绍了ELM的基本原理,即通过随机生成输入层与隐藏层之间的连接权重及阈值,仅需计算输出权重即可快速完成训练。接着阐述了SSA的工作机制,利用樽海鞘群体觅食行为优化ELM的输入权重和隐藏层阈值,从而提高模型性能。随后分别给出了BP、GRNN、ELM和SSA-ELM的具体实现代码,并通过波士顿房价数据集和其他工业数据集验证了各模型的表现。结果显示,SSA-ELM在预测精度方面显著优于其他三种方法,尽管其训练时间较长,但在实际应用中仍具有明显优势。 适合人群:对机器学习尤其是回归预测感兴趣的科研人员和技术开发者,特别是那些希望深入了解ELM及其优化方法的人。 使用场景及目标:适用于需要高效、高精度回归预测的应用场景,如金融建模、工业数据分析等。主要目标是提供一种更为有效的回归预测解决方案,尤其是在处理大规模数据集时能够保持较高的预测精度。 其他说明:文中提供了详细的代码示例和性能对比图表,帮助读者更好地理解和复现实验结果。同时提醒使用者注意SSA参数的选择对模型性能的影响,建议进行参数敏感性分析以获得最佳效果。
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

打赏作者

Absoler

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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