- 博客(11)
- 收藏
- 关注
RSS订阅原创 基物实验 Python 曲线拟合的应用
实际上是一个最小器，用来求函数的最小值的。而被求最小值的函数即为我们的误差函数。首先，我所掌握的方法中，一般都需要我们清楚要拟合的曲线的基本表达式。下面我们要做的就是根据已有数据列表求出使得误差函数最小的待定参数。这么惨不忍睹的曲线，不加处理地交上去肯定是得不到合格的分数的……即合适的参数包， 只需在形参中展开就能得到我们想要的函数了。是实验的前几个步骤中所测定的常数，所以待定参数只有两个——没有提供求最大值的函数，所以这时就需要我们手动改写一下。完成了，可见已知函数形式的曲线拟合非常简单易行。
2023-08-15 19:39:50
634
原创 【模板】网络流相关
网络流是 acm 竞赛中的一种题型，一般流程是：建出图论模型，之后直接使用板子跑最大流、费用流等。通常有着数据范围小、建模较难看出的特点，需要做题人有一定经验。同时，这种题目对代码能力的要求，则仅限于板子。本文中将举出作者的一些板子，阅读需要有一定的网络流基础，如有不对的地方也欢迎大家斧正。
2023-07-31 16:50:17
237
2
原创 离线区间Mex问题的O(nlogn)算法
处理办法是，在离散化的过程中，加入每个数+1。我们的问题就变成了：对于当前的状态，所有数最后一次出现的位置中，比我所查询的左端点。区间Mex问题，简单说来，就是要查询区间最小未出现正整数（非负整数和正整数可以通过整体加减一相互转换，这里不作区分了）。大等于左子树的最小值，就去往左子树，否则去往右子树，直到到达叶子节点，这个节点代表的数就是我要找的最小未出现的数。现在查到的结果作为排名找到原来的数字，结果就是正确的。，维护每个数字最后一次出现的位置，通过线段树维护位置的最小值。，因此总的复杂度也是。
2023-05-08 23:31:47
256
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人