2014-5-11山东省第5届ACM大学生程序设计竞赛赛后总结

本文分享了作者作为新ACMer参加ACM比赛的经历,详细描述了比赛过程、团队合作及个人表现。从热身赛的挑战到正式比赛的策略调整,文章展现了作者对递推题型的喜爱以及对算法技巧的运用。同时,文章还记录了比赛中的趣事和对未来的展望。

这次比赛的结果出乎我们的意料,作为13级新来的ACMer,我很庆幸,虽然我没有做到完美的发挥,但是已经很大程度上地发挥出了我的实力。

先说一下总体概况,我校山东大学总共出了6个队,3个正式队,3个非正式队。正式队中1个11级的学长队,2个12级的学长队。非正式队中是1个12级的学长队,两个13级的队。其中Just_for_fun是我班两个学过信息竞赛的大神加上一个11级的退役的学长,另外一个则是我队 EESAMAnomercy,成员除了我外,还有一个我班的数学大神王野和一个邻班学过信息竞赛的算法大神郭郭。

最后的成绩非常漂亮,12级的一个学长队拿下了冠军,11级的学长队拿下了第二名,都AK了。Just_for_fun和我们EESAMAnomercy都做了8道题,名次分别列在第四和第七,(虽然我们都是星号队,感觉好嘲讽的样子,山东大学星号队都进金牌区了,后来看排名发现一直到银牌区都只有我们两个星号队)。

比赛排名网站:  http://www.toposort.com/sdacm/

我们是周六早上6点中从学校做大巴出发的,我坐学校的大巴特别晕车,一共七个小时的车程我前1个小时就吐了两次,后面的时间都是坐在前面狂吹风才坚持了下来,(后来热身赛后睡了3个多小时还没缓过来)。还没参加比赛就先总结了一个教训,下次一定要坐在前面狂吹风。

热身赛的B题试人品的,我们在大概ran了15次后才一个一个试的,最后我们总共WA了25次(一个个试也不至于啊)。A题我们是靠了提比强行AC的技能(我们来的时候拿了实验室女生兔子的提比作为吉祥物,后来证明它的强行AC技能果然强大,下面附图),没看到数据给改成10的9次方,我们就按照10的7次方做的,WA了一次后看到其他人也WA了好多,说明这道题肯定有坑,然后我们集思广益把l>r的情况加上,l<=0是让l=1,r>10的7次方时,让r=10的7次方。然后就yes了……(提比的强行AC技能)。我们学校去的比较晚,大概3点才过去的,所以最后到C题的时候就剩不到20分钟了,我开始打的时候还有不到10分钟,脑子不知道怎么了竟然想到用queue做bfs,结果果然TLE了……要不是时间紧迫我肯定能做出来,那样我们热身赛就可以拿第一了。(正式赛中C和G的递推都是我写的,所以在此证明我真的有能力写出此题,大神勿喷)


热身赛后回旅馆睡了3个多小时………………

晚上打和队友打dota,和war3………………

问了志愿者威海有什么特产,想给实验室的女生带回去点什么,但是后来证明时间不允许,真心对不起你萌了………………

然后切入正题,正式比赛了。

开始的时候我是从A开始看的,感觉A是一个数学题就直接扔给王野了。然后认为BC都是递推的题,不是很简单,先放下,D字太多,跳过,然后E是一道签到的阶乘题,我就跟他们说我来敲E了,这时王野看的A,郭郭继续往下看。

后来E题WA了一次,因为0!是1……→_→比赛完后看题板发现银牌区及其以上的E就只有两个人WA了一次。不过我根据练习时的经验,后面还会WA很多次,所以不用太放在心上。12分钟A了E题。

过完E后郭郭给我讲了F题的意思,然后我们一起想,后来他发现这道题特别水,只要每次让大的数除以2直到两个数相等就可以了。那么还是我继续敲代码吧,因为郭郭找水题的能力比较强,读题能力也很强。F题31分钟一次性AC。

之后王野给我讲了下G题,因为G是一个dp题,我比较喜欢,也比较擅长。看完之后感觉不是跟热身赛的C题差不多么,终于又报仇雪恨证明自己能够A出热身赛C题的机会了,这个时候王野正在敲A题,我想就先等等吧。后来王野的A题可能是公式推导有点问题,样例没过,我就说我先打下G题吧。后来G题顺利一次性通过,时间1小时09分钟。

连A三题之后名次不错,具体多少忘了,然后就是长时间的苦战,王野给我讲了J题后和郭郭去一起推A题的公式,然后我看J题,J题上面写着要用0(n)的方法,但是我目前只会排序后o(n*logn)的方法,感觉logn还是比较小的,就先试一发吧,打完后一提交WA了,我非但没有伤心反而很高兴,因为我确定了这种做法不会超时,肯定能A了,然后看一下我哪里有问题,发现没有考虑x相同的情况,改后一交,又WA了,然后再看,发现下面提示如果S=5,S/2=2.5……好吧,改完后继续交,然后第三次WA了,我感觉已经什么可以错的地方了啊,后来仔细又看了一遍题目,发现X和W的输入我弄反了……好吧我是笨蛋,【最后看题板跟前一个差了200分钟的时间,这E和J的4发WA其实也没太大的关系。当是想的是不能影响情绪,能A就行。J题过的时间是2小时34分钟。(其实这种做法不应该过的,提比的强行AC技能吧)

然后我两个靠谱的队友在6分钟后改对了A题,一次性通过,每次自己不会的题交给队友,然后队友A掉后就会有种很靠谱的感觉,无论是一次性通过还是WA了N次后。A题2小时40分钟通过。

那么剩下的感觉可以做的就只剩BCD三道题了,C题的递推就交给我了,D题是线段树,后来是郭郭敲的,王野就一直在推B题的公式。

我看着C题,越看越有灵感,因为郭郭在敲线段树,我就先在纸上写上了递推公式,跟王野说后他也感觉可以。后来郭郭的线段树WA了,其实也很正常,线段树好多人都是WA了几次后才A的,然后我就去敲C题,因为已经在纸上写好了,所以比较顺利,虽然后来又调试了一段时间,不过最后竟然是一次性A的,太兴奋了,不由得叫了出来,然后躺在地上躺了2分钟……时间3小时56分,这个是时候12级队已经AK了,11级队也做出来9道了,占据第一第二。

5分钟郭郭发现他的线段树是longlong 的问题,就给A了,A的时间正好是4小时01分,刚刚封板。

最后感觉可以做的只剩B题了,他们两个在一遍推公式,然后我看了下题板,发现下面有几个连C和G都A不出来的队竟然把B给A了,而且其他A掉B的人的时间也很靠前,感觉B题肯定有问题。然后我发现样例用第一个数减去第二个数,然后这个数乘以第二个数正好是答案。这是他们好像已经推出公式了,他们商量完后我说了下我的想法,先交一发试试。然后就赖过了,提比的强行AC技能*2。时间4小时20分钟。

最后40分钟我直接放弃了,让他俩看I题。因为太累了,总共打了6道题,虽然有几道都非常水,看题板最后好像也只有那两个队做出来H和I了,不过据说I题很水,不管怎么样,其实我都不应该提前放弃的,没准真能A出I呢……美丽的幻想。

对了,还有场地餐没说,那个,神龟馅饼挺好吃的,可惜济南这边木有……

虽然这次成绩不错,但毕竟只是很水得省赛加上很水的题目。感觉这次自己发挥得不错是因为这次的递推题很多,正好是我喜欢的类型,然后难度刚刚好是我能做出来的难度,其实也有运气的成分在吧。

总之以后还要多多加油,真正有难度的比赛还有很多很多……

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,供多种数据处理和建模功能。它简化了数据清洗、特征取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 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
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