省选模拟赛2022/3/31

比赛时间安排

7.50-8.10
t1 暴力复杂度都很大啊,完全没想法
t2 dfs可以试一试,但是感觉复杂度还是会炸,想的是全排列+枚举每个攻击了哪个国家,是否攻击成功
t3 期望,而且样例也不会推

8.10-9.05
t2 dfs写完之后,刚开始一直过不了样例,本来想的是只用一种排序方式,最后乘一个组合数,但是发现是不对的,有可能有的城市攻击完之后他被占领了,就不合法了,所以只好用最开始想的方法,写完之后发现6都跑不动,自闭了,开始疯狂剪枝,最后把6跑到2s(并没什么用),先去想t3了

9.05-9.20
觉得t3的形式很像之前jjh讲的一个字符串的随机游走问题,要考虑重复的部分之类的,然后高斯消元做,但是这数据范围也太。。完全不符合啊,于是看t1了

9.20-9.46
冷静下来看发现暴力分是个dp,分段类型的,就想到斜率优化或者单调队列了。
先把暴力打完,刚开始不过,发现是忘了有些数字可以不要,也就是先和f[i-1]取个max就过了

9.46-10.17
那明显第三档分就是优化呗。
刚开始想的是单调队列,但是发现没法踢队头,于是把我的shu这个数组展开,发现就是斜率优化的式子
分析了一下,发现是单调递增求max,要用单调栈做斜率优化,很快的写完,对拍没问题,50分有了

10.17-11.00
想中间那一档的做法
很明显如果每次都做一次,那么复杂度是3e8的,感觉很接近2s了,貌似卡卡常就能过?注意到每次只修改一个数字,那么这个数字之前的f和s都不变,不是白做了那么多次吗,于是我把修改位置相同的询问存起来,按顺序一起做,这样就能省掉那个常数了吧,而且m是3e5,n是1000,一定有很多相同的位置。
写完之后发现错了,突然意识到,每次处理x相同的一个询问之后,必须把f和s复原才能接着处理下一个,那复杂度不是又回来了??合着半天只省掉了一个n的复杂度吗,爆哭(就是里层循环栈的复杂度)
试了一下拉满的数据,跑了5秒多一点,感觉和没有优化差不多,又试了做m遍的,跑了25秒,还是有明显进步的,再卡卡常吧,然后就卡场失败了

11.00-12.00
想t1卡常,t2dfs,t3暴力,发现都搞不动,自闭时间

赛后反思总结

  1. 看来写斜率优化是有用的,一下子就能反应过来要用单调栈
  2. t2暴力写的太der了,虽说可以优化一下,但是也能拿15啊本来,思路没理清楚,有东西重叠了,导致结果算重了,如果再拿10,就第三了(哭)

与正解的差距

T3

10: 真没想到高斯消元那么长的代码只有10分,而正解只有30行!想到了,要枚举随机到的每个字符,然后找最后能匹配的地方,竟然没想到是个nxt??!!(这都能忘,杀了我吧)订完觉得以后这样的题,以后在考场上尽量写出来!

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