集合竞价(帮朋友修改下,还是错误的。。。)



#include<iostream>
#include<string>
#include<algorithm>
#include<iomanip>
#include<cmath>
using namespace std;
typedef long long ll;

class bidding_buy {
public:
    int get_state() { return state_cancel; }
    float get_price() { return price; }
    int get_num() { return num; }
    int get_number() { return number; }
    void cancel(int x) { state_cancel = x;}
    void input_price(float a) { price = a; }
    void input_number(int b) { number = b; }
    void input_numb(int c) { num = c; }
    bidding_buy(){
        state_cancel = 0;
    }
private:
    int state_cancel;               //1为被取消,0为存在
    float price;
    int number;
    int num;
};
class bidding_sell {
public:
    bidding_sell(){
        state_cancel = 0;
    }
    int get_state() { return state_cancel; }
    int get_number() { return number; }
    float get_price() { return price; }
    int get_num() { return num; }
    void cancel(int x) { state_cancel = x;}
    void input_price(float a) { price = a; }
    void input_number(int b) { number = b; }
    void input_numb(int c) { num = c; }
private:
    int state_cancel = 0;               //1为被取消,0为存在
    float price;
    int number;           //编号
    int num;                   //购买数量
};

void SSort(double arry[],int n, bidding_sell X[])

{

    double temp;

    bidding_sell t;


    for(int i=0; i<n; i++)

        for(int j=0; j<n-i-1; j++)

        {

            if(arry[j] > arry[j+1])

            {
                t = X[j];

                temp = arry[j];
                X[j] = X[j+1];
                X[j+1] = t;
                arry[j] = arry[j+1];

                arry[j+1] = temp;

            }

        }

}
void Sort(double arry[],int n, bidding_buy X[])

{

    double temp;

    bidding_buy t;


    for(int i=0; i<n; i++)

        for(int j=0; j<n-i-1; j++)

        {

            if(arry[j] > arry[j+1])

            {
                t = X[j];

                temp = arry[j];
                X[j] = X[j+1];
                X[j+1] = t;
                arry[j] = arry[j+1];

                arry[j+1] = temp;

            }

        }

}
int main()
{
    bidding_buy* X = new bidding_buy[1000];
    bidding_sell* P = new bidding_sell[1000];
    int i,j,k,temp,number,cancel,num,m,n;   //i为循环使用,j为购买数组,k为出售数组
    double buy[1000],sell[1000],A[1000], price;
    int d=0;
    double p=0;
    string a;
    number = 0;
    j = k = 0;
    while (cin >> a) {
        number++;
//输入部分
        if (a[0] == 'c')
        {
            cin >> cancel;
            A[d] = cancel;
            d++;

        }

        else if (a[0] == 'b')
        {

            cin >> price >> num;
            X[j].input_price(price);
            X[j].input_numb(num);
            X[j].input_number(number);
            buy[j] = price;
            j++;
        }
        else if (a[0] == 's')
        {
            cin >> price >> num;
            P[k].input_price(price);
            P[k].input_numb(num);
            P[k].input_number(number);
            sell[k] = price;
            k++;
        }
        else
            break;
    }
    for(int W=0; W<d; W++) {
        for (i = 0; i < j; i++)         //寻找删除单号
        {
            if ( A[W]== X[i].get_number())
                X[i].cancel(1);
        }
        for (i = 0; i < k; i++)         //寻找删除单号
        {
            if (A[W] == P[i].get_number())
                P[i].cancel(1);
        }
    }
    Sort(buy,j, X);         //购买数组排序
    SSort(sell,k, P);     //出售数组排序

    ll m_sum = 0;

    ll sumb=0, sums=0, sum=0;   //买的总和, 卖的总和,sum取二者最小

    for(int W=0; W<j; W++){

        double p0 = buy[W];


        sumb=0, sums=0;

        for(i=0; i<j; i++)

            if(X[i].get_state()==0 && X[i].get_price()>=p0)

                sums += X[i].get_num();

        for(i=0; i<k; i++)

            if(P[i].get_state()==0 && P[i].get_price()<=p0)

                sumb += P[i].get_num();
        sum = min(sums, sumb);

        if(sum >= m_sum){

            m_sum = sum;

            p = p0;

        }

    }


    for(int W=0; W<k; W++){

        double p0 = sell[W];

        sumb = 0, sums = 0;

        for(i=0; i<j; i++)

            if(X[i].get_state()==0 && X[i].get_price()>=p0)

                sums += X[i].get_num();




        for(i=0; i<k; i++)

            if(P[i].get_state()==0 && P[i].get_price()<=p0)
//这儿改为!=0   有30分
                sumb += P[i].get_num();
        sum = min(sums, sumb);

        if(sum >= m_sum){//这个改为> 会有30分

            m_sum = sum;

            p = p0;

        }

    }

    cout << fixed << setprecision(2) << p << " " << m_sum << endl;
    return 0;

}

 

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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