POJ 1853 Cat(DP)

本文介绍了一种解决特定背包问题的方法,即将一组浮点数值分为两部分以使它们之间的差值最小。通过将浮点数转换为整数百分比形式,并利用动态规划算法进行求解。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题意:就是把一堆浮点数分成两部分,要使得两部分的差值尽量小

思路:背包问题,由于是浮点数,没办法直接用数组记录下来,那么其实可以这样,转化为百分比,然后乘上1W倍,就转化为整数了

代码:

#include <cstdio>
#include <cstring>
#include <cstdlib>

const int N = 105;
const int M = 10005;
const int INF = 0x3f3f3f3f;

int n, a[N];
double p[N];
int dp[M], path[M];

void print(int u) {
    if (u - a[path[u]] == 0) {
	printf("%d", path[u]);
	return;
    }
    print(u - a[path[u]]);
    printf(" %d", path[u]);
}

int main() {
    while (~scanf("%d", &n) && n) {
	double sum = 0;
	for (int i = 1; i <= n; i++) {
	    scanf("%lf", &p[i]);
	    sum += p[i];
	}
	memset(dp, 0, sizeof(dp));
	dp[0] = 1;
	for (int i = 1; i <= n; i++) {
	    a[i] = p[i] / sum * 10000;
	    for (int j = 10000; j >= a[i]; j--) {
		if (dp[j - a[i]] && !dp[j]) {
		    dp[j] = dp[j - a[i]];
		    path[j] = i;
		}
	    }
	}
	int v = 0;
	for (int i = 10000; i; i--) {
	    if (dp[i] && abs(10000 - 2 * v) > abs(10000 - 2 * i))
		v = i;
	}
	print(v);
	printf("\n");
    }
    return 0;
}


内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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