Luogu 1776 宝物筛选

博客围绕多重背包问题展开,指出其与完全背包的区别在于每件物品有个数限制。若枚举个数时间复杂度高,分离物品用 01 背包处理效率低。利用十进制数可由 2 的整数次幂表示的特性,将复杂度降到 log 级别,并给出题目链接和代码转载地址。

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

题目链接:https://www.luogu.org/problemnew/show/P1776

思路:

这是一个多重背包问题,与完全背包的区别即是每件物品有个数限制。

若加一维枚举个数,那时间复杂度不可估量。

考虑把多件物品分离,最后一起用$01$背包处理,效率太低,但这是个不错的思路。

由于一个十进制的数写成二进制形式后,每一位要么是$0$要么是$1$,即这些数都可以用一些$2$的整数次幂来表示。

于是我们可以借此把复杂度降到$log$级别。

代码:

#include <cstdio>
#include <cctype>
#include <cstring>
#include <iostream>
#include <algorithm>
const int MAXN=150;
const int MAXM=400050;
using namespace std;
int n,m,v[MAXN],w[MAXN],o[MAXN],f[MAXM];
int main(){
    cin>>n>>m;
    for(int i=1;i<=n;i++)
        cin>>v[i]>>w[i]>>o[i];
    for(int i=1;i<=n;i++){
        for(int j=1;o[i];j<<=1){
            if(j>o[i]) j=o[i];
            o[i]-=j;
            for(int l=m;l>=j*w[i];l--)
              f[l]=max(f[l],f[l-j*w[i]]+j*v[i]);
        }
    }
    cout<<f[m]<<endl;
    return 0;
}

 

转载于:https://www.cnblogs.com/BeyondLimits/p/11165855.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题,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