2016.11.08解题报告

[蓝桥杯解题报告]第六届蓝桥杯大赛省赛2015(软件类)真题C++A组 Apare_xzc 蓝桥杯第六届(2015年)省赛软件类C++A组解题报告 Apare_xzc 2020/3/12 1. 方程整数解 分析:         dfs即可。0^2 + 10^2 +30^2 = 1000 代码: #include <bits/stdc++.h> using namespace st... 阅读详情

2016.11.08解题报告

Part.1线段(segment)

贪心,线段覆盖问题。。。

解题思路

1. 保险起见,当ai>bi时交换一下;

2. 将线段按照右端点从小到大排序(C++选手可以用结构体存左右端点,然后重载小于号,再用sort,打起来省事儿);

3. 从1到n-1扫瞄,运用贪心策略:如果碰到前一条线段的右端点比后一条的左端点大,撤掉后一条线段(更新其左右端点为前一条的);

4. k初值为n,每撤一条k--。

Part.2 绘制二叉树(binary)

参考网上的题解吧,蒟蒻无能为力……

Part.3 编码(encode)

一个比较绕的递归过程,但时间复杂度相当低——如果能搞出来公式直接就O(logn)了,也就是说最多跑9次就直接出结果。

解题思路

关键是找规律,然后递归。仔细研究一下还是能看出来的:

1. 对于所求的q,每次变化都会有不包含q的一半区间用不上,也就是说每一层递归有用的变换区间都缩成一半,依次递归下去,每次只保留含q的区间,直到区间内仅有一个q,此时的位置就是答案。因此这就是个二分的过程,时间复杂度为O(logn)。

2. 对于每次变换,相当于每个字符(实现上直接用顺序的数字就好)交换到关于中心点对称的位置。我们只需要关注q的行为即可。具体的变换公式如下:

int mid=(l+r)/2;

if (n%2==1)  //区间长度为奇数,得到的mid在正中间;

{

 q=mid*2-q;

    if(q>mid)   return phi(mid+1,r,n/2,q);

    else returnphi(l,mid,n/2+1,q);

}else    //区间长度为偶,得到的mid是中间偏左的那一个;

{

    q=mid*2-q+1;

    if(q>mid) return phi(mid+1,r,n/2,q);

    else returnphi(l,mid,n/2,q);

}

Part.4 偷懒的小X(lazy)

原以为是建一个小根堆然后顺序弹出就好,每一层拣大的先弹出,结果华丽丽地WA了……

题意是在保证这棵满二叉树每个节点权值都比两个子节点小的条件下(其实就是满足小根堆的性质),使较大数尽可能靠前输出,所以尽量把大数集中到一边,小数集中到另一边,每一层先从大数里挑一半,再从小数里挑另一半。

解题思路

1. 从小到大排序;

3. 递归建小根堆:

每次把区间内的第一个数加入输出序列(先开一个数组)中,然后将后面的从中间分成两块,分别代表右子树、左子树,左大右小,同时把左右子树的编号赋给右、左半区间的第一个数。

排完序:12 3 4 5 6 7

建树——左大右小:

        1

       / \

     /     \

   5       2

  / \       / \

 7  6   4   3

讯飞星火X1.5:MoE架构与软硬一体如何实现AI真正落地 大模型已从参数竞赛迈入场景深耕阶段,推理效率、多模态感知与物理交互能力成为AI工程化的核心指标。MoE(Mixture of Experts)架构不再仅是提升参数规模的手段,而是通过动态专家分组、硬件感知训练优化和符号-神经混合推理,显著提升长文本处理、数学推演与低延迟响应能力;与此同时,麦克风阵列声学建模、非自回归语音合成、量子点护眼屏等软硬协同技术,将AI从云端API转化为可触摸、可部署、可量化的终端能力。这种‘模型+芯片+场景’三位一体的交付范式,正加速制造、教育、医疗等行业AI应用从Demo走向真实 阅读详情

相关推荐

内网渗透实战:12个优质靶场平台深度解析与核心技巧

内网渗透是网络安全攻防演练的核心环节,其本质在于模拟攻击者在突破边界防御后,在企业内部网络中进行横向移动、权限提升和数据窃取的过程。理解其原理,需要掌握活动目录(Active Directory)、Kerberos认证、横向移动技术(如PTH、PTT)以及权限维持等基础概念。这项技术的价值在于帮助安全人员构建真实的攻击者视角,从而更有效地发现和防御内网威胁,提升企业整体安全水位。其典型应用场景包括红蓝对抗演练、安全技能培训和入侵检测规则验证。本文聚焦于**内网渗透**实战能力的提升,通过精选涵盖在线平台、本

weixin_30338481的博客 654

【LeetCode】378. Kth Smallest Element in a Sorted Matrix 解题报告(Python)

【LeetCode】378. Kth Smallest Element in a Sorted Matrix 解题报告(Python) 标签: LeetCode 题目地址:https://leetcode.com/problems/kth-smallest-element-in-a-sorted-matrix/description/ 题目描述: Given a n x n mat...

负雪明烛 4088

用遗传算法提升交易策略鲁棒性,防止过拟合

遗传算法(GA)是一种模拟自然选择的全局优化方法,其核心在于通过种群演化、交叉变异等机制,在参数空间中搜索具备泛化能力的稳健解,而非单一最优解。相比网格搜索或贝叶斯优化等单点寻优方法,GA天然支持多目标约束与扰动鲁棒性评估,能有效识别对市场结构偏移敏感的过拟合策略。在量化交易中,它被广泛用于参数鲁棒性增强、样本外表现预判及策略压力测试,尤其适用于均线系统、波动率过滤、ATR止损等规则型策略的健壮性验证。本文聚焦GA在交易策略开发中的工程化落地,涵盖适应度函数设计、可遗传编码规范、早熟收敛防控等关键实践要点。

weixin_34293141的博客 461

HDOJ 1026 Ignatius and the Princess I 解题报告

HDOJ 1026 Ignatius and the Princess I 解题报告 题意: 就是有一个迷宫还是地图的什么鬼东西,需要从左上角去往右上角,.表示可以走,X表示不可以走,然后如果出现数字 n(1-9) 表示这个有一只小怪兽,你需要使用n秒钟来消灭它,然后问在这样的情况下至少需要多少秒才能出去,或者干脆出不去让上帝帮忙(两点不可达)。。。。。。 解法: 用普通的b

gscsdlz的博客 1241

GPT-4稀疏激活真相:MoE架构如何实现1.8万亿参数下的高效推理

混合专家(MoE)是一种让大模型在保持超大规模参数的同时,仅动态激活少量专家进行计算的稀疏化架构。其核心原理在于门控网络根据输入token语义,实时路由至Top-k最匹配专家,实现计算与显存占用的线性增长而非指数膨胀。这种设计显著提升算力利用效率,支撑低延迟、低成本推理,是当前千亿级模型落地的关键技术路径。尤其在边缘部署、多租户SaaS、实时客服等对延迟和成本敏感的场景中,MoE通过弹性激活率、专家分组并行与负载均衡机制,展现出远超稠密模型(Dense)的工程适应性。理解MoE,就是理解GPT-4级能力背后

weixin_34194359的博客 404

置顶必读(2) |《滚雪球学数学建模》专栏目录 & 历年国赛/美赛真题库 & 真题解析(持续更新中)

本专栏《滚雪球学数学建模》采用“从零开始、逐步滚雪球”的学习路径,把数学建模的基础理论、方法工具与大量实战真题(尤其是国赛题,涵盖2025-1992所有真题)有机融合,形成一套系统化训练路线。非常适合零基础入门、希望提升模型与工程化能力的本科/研究生,以及备战全国大学生数学建模竞赛(国赛/省赛)的同学。加油,我们一起把建模能力打造成可迁移的核心竞争力!

**My Coding Family** 26万+

20161005 NOIP 模拟赛 T2 解题报告

beautiful 2.1 题目描述 一个长度为 n 的序列,对于每个位置 i 的数 ai 都有一个优美值,其定义是:找到序列中最 长的一段 [l, r],满足 l ≤ i ≤ r,且 [l, r] 中位数为 ai(我们比较序列中两个位置的数的大小时, 以数值为第一关键字,下标为第二关键字比较。这样的话 [l, r] 的长度只有可能是奇数),r - l + 1 就是 i 的优美值。 接下来...

weixin_30895603的博客 135

YOLO26算法车道线检测+训练好的模型+360张数据集+pyqt可视化界面.zip

附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[未获取()] 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 55 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9512** mAP50-95 | 0.6746 Precision | 0.8796 Recall | 0.8825 train/box_loss | 0.8608 train/cls_loss | 0.7232 val/box_loss | 0.9955 val/cls_loss | 0.5511 【训练过程分析】 这轮训练我经历了从初始到稳定的曲折过程。前 20 个epoch,loss 曲线呈现了陡峭的下降趋势,mAP50 指标从 0.8 开始逐步攀升,仿佛在寻找一个合适的平衡点。然而,从第 21 个epoch 开始,mAP50 的提升速率显著放缓,整体曲线显得有些曲折,有时甚至停滞不前,让我一度以为训练出现了问题。直到第 35 个epoch,loss 开始逐渐趋于平稳,这标志着模型已经找到了一个较好的收敛区间。到了最后的 20 个 epoch,尽管 mAP50 依旧在稳步上升,但提升幅度已经不大,这意味着模型已经接近其性能天花板。 在这个过程中,我重点关注了 box_loss 和 cls_loss 的变化。初期阶段,box_loss 快速下降,从 0.9 逐渐降至 0.86,而 cls_loss 则从 0.75 逐步下降至... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。

暑期做题计划

前言 期末炸了(尽管我祈祷了无数遍),放暑假了,依然要愉快的做题啊(这个故事告诉我们要崇尚科学,反对迷信) 做题计划 进度更新中...... 累计做题:34 可能做不了太多,dp是重点 dp 普及/提高- 7 P1140 相似基因(解题报告) P2896 [USACO08FEB]一起吃饭Eating Together(解题报告) P...

weixin_30692143的博客 146

关于AI开发方法论-以文档为索引的高质量协作开发:让一次现象描述精准命中几个代码块

对AI的编码规范进行约束

syslog_test.py

syslog_test.py

大学生思修搜题答案神器?学生党都在用的5款搜题工具来了 #经验分享#知识分享

以下分享的软件提供了各种实用的功能,如数学公式计算、语文阅读辅助等,让大学生们在学习过程中更加高效和便利。

2401_83615810的博客 1334

Simulink “双碳”背景下汽车减少碳排放建模与仿真

内容概要:本文围绕“双碳”战略背景,系统阐述了基于Simulink的汽车碳排放建模与仿真技术,重点引入模糊PID控制优化动力系统性能,以实现节能减排目标。文档整合了多个Matlab/Simulink科研仿真案例,涵盖无刷直流电机(BLDC)控制、三相PWM整流器、电池管理系统、路径规划、信号处理、智能优化算法及图像处理等领域,全面展示Matlab在智能控制与绿色能源系统中的应用价值。同时强调科研应兼具严谨逻辑、创新思维与工具赋能,并提供完整的仿真资源链接与学习路径支持实践落地。; 适合人群:具备Matlab/Simulink基础,从事自动化、电气工程、车辆工程、控制科学、电力电子及智能制造等相关领域的科研人员或高年级本科生、研究生;适用于开展节能减排、新能源系统优化、智能控制算法研究等课题的研究者。; 使用场景及目标:①学习在Simulink中构建汽车能耗与排放仿真模型并应用模糊PID进行动态优化;②掌握BLDC、PWM整流器等关键部件的建模与控制策略设计;③借鉴丰富案例提升科研效率,拓展在智能控制、路径规划、信号处理等方向的应用能力;④通过提供的网盘资源获取完整代码与资料,支撑论文写作与项目开发。; 阅读建议:建议按照资源目录顺序系统学习,结合百度网盘提供的Matlab/Simulink代码动手实践,重点关注控制策略的设计、仿真结果的分析与优化过程,同时注重培养科研思维与工程实际问题的结合能力。

Kadane算法:一文学会最大子数组和的O(n)解法

在算法与数据结构中,如何高效求解连续子数组的最大和是一道经典问题。面对可能包含负数的数组,朴素枚举法的时间复杂度高达O(n^3),即使优化也难满足大数据量场景。Kadane算法以动态规划与贪心思想为核心,通过维护“以当前位置结尾的最大子数组和”与全局最优值,仅需一趟线性扫描即可得出结果,时间复杂度O(n)、空间复杂度O(1)。其优秀性能让它在海量数据、实时数据流场景中优势显著,广泛应用于股票收益分析、传感器异常检测、图像区域特征提取等工程实践。无论是算法面试还是实际业务,掌握这一思路都能高效解决最大子数组和

weixin_33788244的博客 159

ADS使用Smith圆图进行阻抗匹配

在处理RF系统的实际应用问题时,总会遇到一些非常困难的工作,对各部分级联电路的不同阻抗进行匹配就是其中之一。一般情况下,需要进行匹配的电路包括天线与低噪声放大器(LNA)之间的匹配、功率放大器输出(RFOUT)与天线之间的匹配、LNA/VCO输出与混频器输入之间的匹配。匹配的目的是为了保证信号或能量有效地从“信号源”传送到“负载”。 阻抗匹配(impedance matching) 信号源内阻与所接传输线的特性阻抗大小相等且相位相同,或传输线的特性阻抗与所接负载阻抗的大小相等且相位相同,分别称为传输线的输

红茶绿茶和奶茶的博客 3万+

5G移动性管理实战:手把手教你配置NR小区重选参数(附避坑指南)

本文深入解析5G网络移动性管理中的小区重选参数配置实战。通过拆解小区选择与重选的核心机制,结合真实案例,手把手指导如何配置NR小区重选参数,并分享常见避坑指南,帮助工程师优化网络性能,提升用户移动体验。

weixin_29229261的博客 197

SSM蟾宫折桂计算机考研专业课学习l6616

随着信息技术的飞速发展,计算机科学与技术已成为推动社会进步的关键力量。为了进一步深造,探索计算机科学的广阔天地,本人拟以“计算机考研专业课高效学习策略与实践”为题,开展深入研究与实践。

ck3019的博客 771

交叉熵损失函数基本概念及公式

对于二分类问题,模型的输出通常是一个标量,表示样本属于正类的概率。因此,在二分类的交叉熵损失函数中,我们只需要考虑一个概率值,即模型预测为正类的概率。具体来说,当真实标签为1时,我们关注模型预测为正类的概率;当真实标签为0时,我们关注模型预测为负类的概率。因此,二分类的交叉熵损失函数可以表示为:其中,y 表示真实标签,取值为 0 或 1;p 表示模型预测为正类的概率。而对于多分类问题,模型的输出通常是一个向量,表示样本属于各个类别的概率。因此,在多分类的交叉熵损失函数中,我们需要考虑所有类别的概率。

qlkaicx的博客 1万+

清北学堂学习笔记 第一期

1、贪心的奇怪方法:调整法    调整法,顾名思义,就是用别的方式进行题目的分析以及证明,例如说luogu的最大乘积。这种题目的主要分析思路为:先考虑一些简单的情况,通过简单的情况来推出一些有用的结论以及性质 2、解决棋盘类问题的有效方法:奇偶调换法    这里举一个大水题:luogu 01迷宫,这道题显然可以记忆化直接水过去,我们通过观察可以发现如果把棋盘上行号和列号之和为奇数的点所对...

Milking_you的博客 762

C++常见面试题总结

C++常见面试题总结

xu_fu_yong的专栏 8万+

开源推荐:5个最实用的AIGC风格迁移项目

随着人工智能技术的飞速发展,AIGC(人工智能生成内容)领域取得了显著的成果。风格迁移作为AIGC中的一个重要分支,旨在将一种图像的风格应用到另一种图像上,创造出具有独特艺术效果的新图像。本文的目的是为读者推荐5个最实用的AIGC风格迁移开源项目,详细介绍这些项目的技术原理、使用方法和应用场景,帮助读者在实际项目中选择合适的工具进行风格迁移。文章的范围涵盖了这些项目的核心概念、算法原理、数学模型、项目实战以及相关的学习资源和未来发展趋势等方面。

AI 原生应用开发的博客 1703

UVa 637 Booklet Printing

本文介绍了如何生成折叠小册子的打印顺序。给定页数n,每张纸包含四个页面位置(正面左右、背面左右)。通过构造法确定页码分配:前2n个页码按升序填充正面右侧和背面左侧,剩余页码降序填充正面左侧和背面右侧。输出时跳过完全空白的面。代码处理了n≤100的情况,时间复杂度为O(1)。示例展示了如何为不同页数生成正确的打印顺序。

寂静山林 176

手把手教你玩转服务器芯片架构--​​7.1 项目1:基于FPGA的RISC-V软核设计(Verilog实现核心指令执行单元)​

本文介绍了基于FPGA的RISC-V软核设计实践项目。项目采用Verilog实现RV32I指令集核心处理器,包含指令解码、ALU、寄存器堆等关键模块设计,并通过功能仿真验证。在Xilinx Artix-7 FPGA上完成综合与部署,资源利用率控制在5%以内。最后探讨了五级流水线优化、指令集扩展等进阶方案。该实践完整覆盖了从指令集设计、RTL实现到FPGA部署的全流程,可作为学习处理器架构与FPGA开发的典型案例。

MHD0815的博客 173

城市级联失效建模:物理驱动+数据校准的韧性评估方法

城市基础设施韧性评估是应对极端气候风险的核心能力,其本质在于理解电力、供水、交通等系统间能量流、信息流与服务流的耦合机制。级联失效并非随机故障传播,而是由物理规律(如欧姆定律、Hazen-Williams方程)主导、受气象扰动驱动、经社会感知反馈校准的动态过程。技术价值体现在可解释性建模、跨系统影响归因与预算约束下的最优干预决策。典型应用场景包括台风洪涝下的城市应急推演、老旧管网改造优先级排序及智慧市政数字孪生底座构建。本文聚焦‘物理模型为骨、数据校准为肉、决策优化为脑’的工程化建模范式,深度融合Netwo

weixin_34268579的博客 363

YOLOv11改进 | 注意力篇 | YOLOv11引入CBAM注意力机制

我们的实验表明各种模型的分类和检测性能得到了一致的改进,证明了 CBAM 的广泛适用性。简单介绍:CBAM的主要思想是通过关注重要的特征并抑制不必要的特征来增强网络的表示能力。模块首先应用通道注意力,关注"重要的"特征,然后应用空间注意力,关注这些特征的"重要位置"。到此本文的正式分享内容就结束了,在这里给大家推荐我的YOLOv11改进有效涨点专栏,本专栏目前为新开的,后期我会根据各种前沿顶会进行论文复现,也会对一些老的改进机制进行补充,如果大家觉得本文帮助到你了,订阅本专栏,关注后续更多的更新~

tsg6698的博客 2万+

LED灯闪烁实验:实验介绍

每个章节都会单独进行验证工作,例如Simulink开发的应用层软件,会在Simulink-TestHarness中进行仿真,通过Scope示波器模块输出0-1交替的结果。CubeIDE集成双方的代码后,会烧写到开发板中验证是否按照定义的时间进行闪烁。ST-LINK V2是STM32开发生态系统中常用的硬件调试接口,能够连接微控制器与开发环境,实现程序的下载、调试和分析。STM32F103C8T6最小系统板是基于STM32F103C8T6微控制器的开发板,本实验会涉及使用板载的连接PC13引脚的LED灯。

u013288925的博客 456
上一篇: 洛谷1032 字串变换
下一篇: 2016.11.10解题报告
zero_from
博客等级 码龄10年 11粉丝 61原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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