2016.7.21 多校赛 1009 (水题)

题意:
一个非增数列,数字范围[0,100],已知部分数字,求前两个数/总和的最大值
题解:
先记录已知数字,特判第一第二个,其他未知位置上,未知数字用后面最靠近它的已知数字赋值,后面没有已知数字,那么就让他是0
注意:
输出使用到__gcd()库函数,求最大公约数,在头文件#include<algorithm>

#include<iostream>
#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<queue>
#define pr(x) cout<<#x<<" "<<x;
#define pl(x) cout<<#x<<" "<<x<<endl;
#include<math.h>
#include<algorithm>
using namespace std;
int main(){
    int n;
    cin>>n;
    while(n--){
        int length,know;
        cin>>length>>know;
        int index;
        int indexnum;
        int s[length+5];
        memset(s,0,sizeof(s));
        if(know!=0){
            for(int i=1;i<=know;i++){
                cin>>index>>indexnum;
                s[index] = indexnum;
            }
        }
        if(length==2){cout<<1<<'/'<<1<<endl;continue;}
        for(int i=1;i<=length;){
            if(i==1&&s[i]==0){s[i]=100;i++;continue;}
            if(i==1&&s[i]!=0){i++;}
            if(i==2&&s[i]==0){s[i]=s[1];i++;continue;}
            if(i==2&&s[i]!=0){i++;}
            if(i>2){
                if(s[i]!=0){i++;}
                else{
                    for(int j = i+1;j<=length;){
                        if(s[j]==0){j++;}
                        else{
                            s[i]=s[j];break;
                        }
                    }
                    i++;
                }
            }

        }
        int sum=0;
        for(int i=0;i<=length;i++){
            sum+=s[i];
        }
        int p = __gcd(sum,s[1]+s[2]);
        cout<<(s[1]+s[2])/p<<'/'<<sum/p<<endl;
    }
}

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