训练日记——2018.8.6——day21

本文回顾了一场比赛中遇到的问题及解决思路,包括线段树、贪心算法的应用,以及使用dp解决翻转区间求最长不递减子序列等问题。同时分享了关于构造题和树形dp题目的思考。

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

今天下午的比赛没出线段树的那道题很可惜,就是一道之前的裸题,然后就是没仔细想,下午没出题解前理解题意后一下就有了想法,就是之前的那道维护最大值次大值的类似啊,然后队里咋没人敲???我没敲是因为题没明白,加上一想到写线段树就头疼,还是要多写啊。没想到由于是随机数的原因,只维护最小值就好了。这么暴力都能过。我们都没敲。。然后一开始就贪心怼1002,后来找出了当相同的时候,替换哪一个是不一样的,贪心的想法卡掉。然后就是知道了用爆搜。。。这道题被归为超级无敌简单题里的。仔细想想也对哦。然后明天能补的题目就是翻转一段区间求最长不递减子序列,据说用dp做。

今天上午主要看了一道构造题,主要是思维,代码很好写,这种构造就是多举几个例子,然后估计一下可能出现的情况,比赛的时候一定要淡定,仔细,这类题还是有机会现场搞出来的。还有一道树形dp题,还没完全看懂。

比赛一定要坚持到最后。最后更要多交流。

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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