HDU 3697 Selecting courses (水题,贪心)

题目

http://acm.hdu.edu.cn/showproblem.php?pid=3697

题意

有N门课,每门课有起始和结束时间\((A_i, B_i)\),同一时间只能选一门课,起始时间任意,但是起始时间确定后只能每隔五分钟再选择,求最大选课数

解法

由题意可知开始时间只有{0, 1, 2, 3, 4}五种可能,枚举每种可能,对于j时刻,若有多门课符合,选择结束时间最早的
注意区间为左闭右开

代码

#include <cstdio>
#include <algorithm>
#include <cstring>
using namespace std;
const int N = 301;
int vis[N];
struct Node {
    int l, r;
} p[N];
int main() {
    int n;
    while(scanf("%d", &n) && n) {
        int _max = 0;
        for(int i = 0; i < n; i++) {
            scanf("%d%d", &p[i].l, &p[i].r);
            if(_max < p[i].r)
                _max = p[i].r;
        }
        int ans = 0;
        for(int i = 0; i <= 4; i ++) {
            memset(vis, 0, sizeof(vis));
            int cnt = 0;
            int pos = 0;
            for(int j = i; j <= _max; j += 5) {
                int flag = 0;
                for(int k = 0; k < n; k++) {
                    if(!vis[k] && p[k].l <= j && p[k].r > j) {
                        if(flag) {
                            if(p[k].r < p[pos].r) {
                                vis[pos] = 0;
                                vis[k] = 1;
                                pos = k;
                            }
                        }
                        else {
                            vis[k] = 1;
                            cnt++;
                            flag = 1;
                            pos = k;
                        }
                    }
                }
            }
            if(ans < cnt)
                ans = cnt;
        }
        printf("%d\n", ans);
    }
    return 0;
}

Source

2010 Asia Fuzhou Regional Contest

转载于:https://www.cnblogs.com/acm_record/p/4726017.html

内容概要:本文档详细介绍了一个基于MATLAB实现的电力负荷预测项目,该项目运用遗传算法(GA)优化支持向量回归(SVR)和支持向量机(SVM)模型的超参数及特征选择。项目旨在解决电力系统调度、发电计划、需求侧响应等多个应用场景中的关键问,特别是在应对高比例可再生能源接入带来的非线性、非平稳负荷预测挑战。文中涵盖了从数据接入、特征工程、模型训练到部署上线的全流程,包括详细的代码示例和GUI设计,确保方案的可复现性和实用性。 适用人群:具备一定编程基础,尤其是熟悉MATLAB语言和机器学习算法的研发人员;从事电力系统调度、电力市场交易、新能源消纳等相关领域的工程师和技术专家。 使用场景及目标:①通过构建面向小时级别的滚动预测,输出高分辨率负荷轨迹,为日内与日前滚动调度提供边际成本最小化的依据;②在负荷高峰和供给紧张时,通过价格信号或直接负荷控制实施需求侧响应,提升削峰效率并抑制反弹;③为灵活性资源(调峰机组、储能、可中断负荷)提供更清晰的出清路径,降低弃风弃光率,提升系统整体清洁度;④帮助市场主体更准确地评估边际出清价格变化,提高报价成功率与收益稳定性,同时降低由预测偏差带来的风险敞口;⑤在运维与审计场景中,对预测产生的原因进行说明,保障业务侧与监管侧的可追溯性。 阅读建议:此资源不仅提供了完整的代码实现和GUI设计,更注重于理解GA优化过程中涉及到的数据处理、特征构造、模型选择及评估等核心步骤。因此,在学习过程中,建议结合实际案例进行实践,并深入研究每个阶段的具体实现细节,特别是适应度函数的设计、超参数空间的定义以及多样性维护机制的应用。此外,关注项目中关于数据对齐、缺失值处理、特征标准化等方面的最佳实践,有助于提高模型的鲁棒性和泛化能力。
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