Codeforces Round #604

E1. Beautiful Mirrors (2s 256Mb)

题目大意

n(2e5)个排列好的镜子,每面镜子有一个概率p_i,表示你问他你好看,他说你好看的概率。每一天,你问一面镜子。成功了,明天你问下一面(i+1),不成功明天问第1面。第一天你问第一面,求冲过最后一面时用的天数的期望值。

分析

疯狂自闭概率期望。

设ei为在第i面镜子前,你需要几天冲完。边界 e_{n+1} = 0。由定义

即询问的一天,以及两种询问结果的情况乘以概率。根据推导

   >>>>  

代码

int main()
{
	int n = read();
	for(int i = 1; i <= n; i++) p[i] = 1LL*read()*inv(100)%mod;
	int ans = 1, tmp = 1;
	for(int i = 1; i < n; i++)
	{
		tmp = 1LL*tmp*p[i]%mod;
		ans = (ans+tmp)%mod;
	}
	ans = 1LL*ans*inv((1LL*tmp*p[n])%mod)%mod;
	printf("%d\n", ans);
	return 0;
}

E2. Beautiful Mirrors with queries (2s 256Mb)

题目大意

在上一题的基础上,一些点为checkpoint。在某一面镜子失败后,只需退后到小于当前的checkpoint里最大的(类似于存档)。

一开始只有1是checkpoint且永远是。给出q(2e5)个询问,添加或删去checkpoint,求更新后的冲过最后一面镜子的期望天数。

分析

巧妙的思想。用checkpoint将所有镜子分成(1, x_1-1) (x_1, x_2-1) \dots(x_k, n)段,每一段相当于单独一个E1题,最后答案为所有段的期望天数相加。显然可以用前缀和、积维护答案。

使用set找到某一点的前一个checkpoint和后一个checkpoint

int a = *(--s.lower_bound(u));
int b = *s.upper_bound(u);

这里尤其sb!!!疯狂tle不知为何,最后发现写lower_bound(s.begin(), s.end(), u)就爆炸,写s.lower_bound(u)就成了。。。

fuck

代码

ll cal(int l, int r)
{
	return (ps[r-1]-ps[l-1]+pr[l-1]+mod)%mod*ipr[r]%mod;
}
 
int main()
{
	scanf("%d %d", &n, &q);
	ipr[0] = ps[0] = pr[0] = 1;
	ll i100 = inv(100);
	for(int i = 1; i <= 100; i++) 
	{
		x[i] = 100LL*inv(i)%mod;
		vp[i] = i*i100%mod;
	}
	for(int i = 1; i <= n; i++) scanf("%I64d", p+i);
	for(int i = 1; i <= n; i++) 
	{
		pr[i] = pr[i-1]*vp[p[i]]%mod;
		ipr[i] = ipr[i-1]*x[p[i]]%mod;
		ps[i] = (ps[i-1]+pr[i])%mod;
	}
	s.insert(1); s.insert(n+1);
	ans = cal(1, n);
	int u;
	while(q--)
	{
		scanf("%d", &u);
		int a = *(--s.lower_bound(u));
		int b = *s.upper_bound(u); 
		if(vis[u]) 
		{
			ans = (ans - cal(a, u-1) + mod)%mod;
			ans = (ans - cal(u, b-1) + mod)%mod;
			ans = (ans + cal(a, b-1))%mod;
			s.erase(u); vis[u] = 0;
		}
		else
		{
			ans = (ans - cal(a, b-1) + mod)%mod;
			ans = (ans + cal(a, u-1))%mod;
			ans = (ans + cal(u, b-1))%mod;
			s.insert(u); vis[u] = 1;
		}
		printf("%I64d\n", ans);
	}
	return 0;
}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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