leetcode 每日一题 2021.5.5 740. 删除并获得点数

前置题目 

198. 打家劫舍

方法

如果房屋数量大于两间,应该如何计算能够偷窃到的最高总金额呢?对于第 k (k>2) 间房屋,有两个选项:

  1. 偷窃第 k 间房屋,那么就不能偷窃第 k-1 间房屋,偷窃总金额为前 k−2 间房屋的最高总金额与第 k 间房屋的金额之和。
  2. 不偷窃第 k 间房屋,偷窃总金额为前 k-1 间房屋的最高总金额。

因此推出状态转移方程:

Code

class Solution {
public:
    int rob(vector<int>& nums) {
        if(nums.empty()){
            return 0;
        }

        int size = nums.size();
        if(size==1){
            return nums[0];
        }

        //前i间房屋能偷窃到的最高总金额
        vector<int> dp = vector<int>(size,0);

        dp[0] = nums[0]; //边界条件
        dp[1] = max(nums[0],nums[1]); 

        for(int i = 2;i<size;++i){
            dp[i] = max(dp[i-2] + nums[i],dp[i-1]);
        }

        return dp[size-1];
    }
};
//https://leetcode-cn.com/problems/house-robber/solution/da-jia-jie-she-by-leetcode-solution/

740. 删除并获得点数

参考题解

class Solution {
public:
    int deleteAndEarn(vector<int>& nums) {
        int maxVal = 0;

        for(int num:nums){
            maxVal = max(maxVal,num);
        }

        int sums[maxVal+1];

        //初始化为0
        memset(sums,0,sizeof(int)*(maxVal+1));

        for(int num:nums){
            sums[num] += num;
        }

        //简化空间复杂度
        int d2 = sums[0];
        int d1 = sums[1];

        for(int i = 2;i<=maxVal;++i){
            //临时拷贝后续赋值给d2
            int temp = d1;

            //计算新的d1
            d1 = max(d2+sums[i],d1);

            //d[i-1]->d[i-2]
            d2 = temp;
        }

        return d1;
    }
};

//https://leetcode-cn.com/problems/delete-and-earn/solution/740-cji-hu-shuang-bai-de-dong-tai-gui-hu-blc8/

 

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解出的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输出优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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