【ICPC-146】uva 714 - Copying Books

点击打开链接uva 714

 

题目意思:   把一个正整数序列划分成m个连续的子序列(每一个整数恰好属于每一个序列),设第i个序列的和为s(i),现在我们的任务就是让所有的S(i)的最大值尽量小。

 

解题思路:     1:最大值最小化问题:把一个正整数序列划分成m个连续的子序列(每一个整数恰好属于每一个序列),设第i个序列的和为s(i),现在我们的任务就是让所有的S(i)的最大值尽量小。
                       2:最大值最小化问题是一种很常见的优化目标。我么考虑一下新的问题就是,能否把输入的序列划分成m个连续的子序列,使得每一个子序列的S(i)都不超过x,那么只要找到这个最小的x就是S(i)的最大值,然后再去处理这个序列即可
                       3:怎么找到这个x,我么知道x肯定大于等于这个序列的最大值m,并且小于等于sum,那么我们可以利用二分查找,假设mid = X0,那么如果这个时候不满足那么这个x肯定比mid大,所以left = mid。如果这个时候满足,那么x可能等于这个mid或小于mid,所以right = mid。所有数之和为sum,那么二分的时间为O(LogSum)。
                       4:划分原序列,由于题目规定了,在多个满足的情况下尽量让第一个小,第二个小.......。那么要满足这个情况,只能是从后面往前分,并且由于分成几部分已经被限制住还有每一个人至少有一本书,那么我们还要控制当前分的时候,是否有剩下的书本大于等于人数。
                       5:注意使用long long保险

 

代码:

 

#include <algorithm>
#include <iostream>
#include <cstring>
#include <string>
#include <vector>
#include <cstdio>
#include <stack>
#include <queue>
#include <set>
using namespace std;
#define MAXN 510

int t;
int m , k;
long long p[MAXN];
long long sum , max_num;
//判断这个值是否满足
int judge(int a){
    int  i , cnt;
    long long tmp_sum;
    cnt = 0 ; tmp_sum = 0;
    for(i = 0 ; i < m ; i++){
        if(cnt >= k) return 0;//如果分成的部分多于k,直接返回0
        if(tmp_sum + p[i] > a){
          cnt++ ; tmp_sum = 0; 
        }
        tmp_sum += p[i];
    }
    if(tmp_sum > a || cnt >= k) return 0;//注意这里也要在判断一下
    return 1;
}
//输出
void output(int a){
    long long tmp_sum = 0;
    int cnt = 0;
    int vis[MAXN];
    memset(vis , 0 , sizeof(vis));//用来标记某个位置后面是否有“/”
    for(int i = m-1 ; i >= 0 ; i--){
       if(tmp_sum+p[i] <= a && i >= (k-cnt-1))//同时满足两个条件才能加
           tmp_sum += p[i];
       else{
           tmp_sum = p[i] ; cnt++;
           if(cnt < k) vis[i] = 1;//这里必须是cnt<k
       }
    }
    printf("%lld" , p[0]);
    if(vis[0]) printf(" /");
    for(int i = 1 ; i < m ; i++){
        printf(" %lld" , p[i]);
        if(vis[i])  printf(" /");
    }
    printf("\n");
}

void solve() {
    long long left , right , mid;
    int flag;
    left = max_num ; right = sum;
    //迭代二分查找
    while(1){
        if(right == left) break;
        mid = (left+righ2:最大值最小化问题是一种很常见的优化目标。我么考虑一下新的问题就是,能否把输入的序列划分成m个连续的子序列,使得每一个子序列的S(i)都不超过x,那么只要找到这个最小的x就是S(i)的最大值,然后再去处理这个序列即可t)/2;
        flag = judge(mid);
        if(flag)  right = mid;//这个地方是因为如果flag为1说明这个最小值小于或等于mid ,所以不能 right = mid - 1 而是right = mid;
        else  left = mid+1;//这个地方是因为如果flag为0说明这个最小值肯定是大于mid,所以left = mid + 1;
    }
    output(left);//最小值就是left或right,进行输出
}

int main() {
    //freopen("input.txt" , "r" , stdin);
    scanf("%d" , &t);
    while(t--){
        scanf("%d%d" , &m , &k) ; 
        sum = 0 ; max_num = 0;
        for(int i = 0 ; i < m ; i++){
            scanf("%lld" , &p[i]);
            sum += p[i];
            if(max_num < p[i]) max_num = p[i];
        }   
        solve();
    }
    return 0;
}

 

 

 

 

 

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