TC SRM580 DIV2

本文分析了TopCoder SRM 580比赛中的三道题目的解法,包括250分题的交友问题,通过排序和查找解决;500分题的抓鱼问题,采用枚举法找到最优解;1000分题的迷宫游戏,利用动态规划策略进行求解。

First TC SRM580 229.44(250)+316.29(500)+549.43(1000),rank 7 of div 2; rating 1708. 

但愿这是唯一一场div2

250

交朋友,知道每个人出入时间,碰面就能交上朋友

直接n^2判断两个人是不是朋友就可以了

看到了很神的做法,以为是错的,有人cha挂了

s,t排序,t找s

int ShoutterDiv2::count(vector <int> s, vector <int> t) {
	int i,j,n=s.size();
	int res=0;
	for(i=0;i<n;i++){
		for(j=i+1;j<n;j++){
			if(s[i]<=s[j]&&s[j]<=t[i])res++;
			else if(s[j]<=s[i]&&s[i]<=t[j])res++;
			else if(s[i]<=t[j]&&t[j]<=t[i])res++;
			else if(s[j]<=t[i]&&t[i]<=t[j])res++;
			}
		printf("%d\n",res);
		}
	return res;
}
500

抓鱼,虽然是鱼再动,实际上可以人动去找点

然后t无视

-t,-t-l视为

t,t+l就妥了

(2n)^2枚举可行的时间点

然后就ok了

int EelAndRabbit::getmax(vector <int> l, vector <int> t) {
	int i,j,k;
	vector<int>L;L.clear();
	for(i=0;i<l.size();i++){
		L.push_back(t[i]+l[i]);
		L.push_back(t[i]); 
		}
	sort(L.begin(),L.end());
	int res=0;
	for(i=0;i<L.size();i++){
		int ok[60];
		int ans=0;
		memset(ok,0,sizeof(ok));
		for(j=0;j<l.size();j++)
			if(t[j]<=L[i]&&L[i]<=t[j]+l[j])ok[j]=1,ans++;
		for(k=i+1;k<L.size();k++){
			int tp=0; 
			for(j=0;j<l.size();j++){
				if(ok[j])continue;
				if(t[j]<=L[k]&&L[k]<=t[j]+l[j])tp++;
				}
			res=max(res,ans+tp);
		//	printf("%d&%d::%d\n",L[i],L[k],ans+tp);
			}
		}
	return res;
}
1000

貌似是很容易就知道是dp题目

有个迷宫,尽量坑对手

那明显一排只给人家留求个口

然后各种转移

n^4预处理面对50的规模完全没有压力。。。

不过n^5貌似就不太合适了=,=

int WallGameDiv2::play(vector <string> costs) {
	int n=costs.size(),m=costs[1].size();
	const int N= 60;
	int map[N][N];
	int sum[N][N][N];
	int dp[N][N];
	int i,j,l,r,k;
	for(i=0;i<n;i++)for(j=0;j<m;j++){
		if(costs[i][j]!='x')map[i][j]=costs[i][j]-'0';
		else map[i][j]=-1;
		}
	for(i=0;i<n;i++){
		for(l=0;l<m;l++)for(r=l;r<m;r++){
			int tp=0;
			for(j=l;j<=r;j++)
				if(map[i][j]!=-1&&tp!=-1)tp+=map[i][j];
				else tp=-1;
			sum[i][l][r]=tp;
			sum[i][r][l]=tp;
			}
		}
/*	for(i=0;i<n;i++){
		printf("sum%d::\n",i);
		for(l=0;l<m;l++){
			for(r=0;r<m;r++)printf("%4d",sum[i][l][r]);
			printf("\n");
			}
		}	*/
	dp[0][0]=0;
	for(j=1;j<m;j++){
		if(map[0][j]!=-1&&dp[0][j-1]!=-1)dp[0][j]=dp[0][j-1]+map[0][j];
		else dp[0][j]=-1;
		}
	for(j=0;j<m;j++)dp[1][j]=map[1][j]==-1?-1:dp[0][j];
	for(i=2;i<n;i++){
		for(j=0;j<m;j++){
			int &tp=dp[i][j];
			if(map[i][j]==-1){
				tp=-1;
				continue;
				}
			int add=0;
			int flag=0;
			for(k=0;k<m;k++){
				if(sum[i-1][k][j]==-1)continue;
				if(dp[i-1][k]==-1)continue;
				add=max(dp[i-1][k]+sum[i-1][k][j],add);
				flag=1;
				}
			if(flag)tp=add;
			else tp=-1;
			}
		}
/*	for(i=0;i<n;i++){
		for(j=0;j<m;j++)printf("%5d",dp[i][j]);
		printf("\n");
		}	*/
	int res=0;
	for(i=0;i<m;i++)
		if(dp[n-1][i]!=-1&&map[n-1][i]!=-1)
			res=max(res,dp[n-1][i]+map[n-1][i]);
	return res; 
}




基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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