1.17 F

F - 6

Time limit 1000 ms
Memory limit 32768 kB

Problem Description

给定K个整数的序列{ N1, N2, …, NK },其任意连续子序列可表示为{ Ni, Ni+1, …,
Nj },其中 1 <= i <= j <= K。最大连续子序列是所有连续子序列中元素和最大的一个,
例如给定序列{ -2, 11, -4, 13, -5, -2 },其最大连续子序列为{ 11, -4, 13 },最大和
为20。
在今年的数据结构考卷中,要求编写程序得到最大和,现在增加一个要求,即还需要输出该
子序列的第一个和最后一个元素。

Input

测试输入包含若干测试用例,每个测试用例占2行,第1行给出正整数K( < 10000 ),第2行给出K个整数,中间用空格分隔。当K为0时,输入结束,该用例不被处理。

Output

对每个测试用例,在1行里输出最大和、最大连续子序列的第一个和最后一个元
素,中间用空格分隔。如果最大连续子序列不唯一,则输出序号i和j最小的那个(如输入样例的第2、3组)。若所有K个元素都是负数,则定义其最大和为0,输出整个序列的首尾元素。

Sample Input

6
-2 11 -4 13 -5 -2
10
-10 1 2 3 4 -5 -23 3 7 -21
6
5 -8 3 2 5 0
1
10
3
-1 -5 -2
3
-1 0 -2
0

Sample Output

20 11 13
10 1 4
10 3 5
10 10 10
0 -1 -2
0 0 0

问题链接:F - 6
问题简述:

输入n,然后输入n个数
输出最大和、最大连续子序列的第一个和最后一个元素,中间用空格分隔
如果最大连续子序列不唯一,则输出序号i和j最小的那个。
若所有K个元素都是负数,则定义其最大和为0,输出整个序列的首尾元素。

问题分析:

我们来看sample input
6
5 -8 3 2 5 0
sample output
10 3 5

最大和指的是连续的数列加起来的和最大3+2+5=10
最大连续子序列的第一个和最后一个元素自然就是3和5了
若所有K个元素都是负数,则定义其最大和为0,输出整个序列的首尾元素。 可参考如下sample
input
3
-1 -5 -2
output
0 -1 -2
如果最大连续子序列不唯一,则输出序号i和j最小的那个在这里就不要了后面的0

考虑到①就想到要判断sum的正负,如果小于0要重置因为最大和还来个负数显然是不行的
考虑到②就想到sum和下一个sum的大小比较,如果没有变大或者相等就选择前者

思路基本就是:sum用于累加,然后想办法把数据输进去之后要对sum进行判断,如果是负数就放弃这个数把start定在这个数上前面的舍弃掉,如果不是就sum累加

如果要定义一个maxn用于存放可行的sum,如果不断和sum作比较如何符合要求就替换新的maxn,最后用maxn来输出结果

程序说明:

num数组用于数据
maxn用于存放暂时符合要求的sum
sum用于累加(初始化值为0)
start和end用于标记开头和结尾(初始化值为0)
flag有点像maxn的作用,用于存放符合要求的start(初始化值为0)
最后输出要判断maxn是不是负数

AC通过的C语言程序如下:
#include <iostream>
using namespace std;
int num[10005];

int main()
{
	int m;
	while (cin >> m && m)
	{
		int maxn;
		int sum = 0;
		int start = 0, end = 0,flag = 0;
		for (int i = 0;i < m;i++)
		{
			cin >> num[i];
			maxn = num[0];
		}
	
		for (int i = 0;i < m;i++)
		{
			if (sum < 0)
			{
				sum = num[i];
				start = i;
			}
			else
			{
				sum += num[i];
			}
			if (maxn < sum)
			{
				maxn = sum;
				flag = start;
				end = i;
			}
		}
		if (maxn >= 0)
		{
			cout << maxn <<" "<< num[flag] <<" "<< num[end]<<endl;
		}
		else
			cout<<0<<" "<<num[0]<<" "<< num[m - 1]<<endl;
	}
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
当使用均方误差最小作为判断准则时,可以使用全子集法求解最优回归方程。以下是完整的Python程序: ```python import numpy as np from scipy.stats import f from itertools import combinations # 构造数据集 X = np.array([[1, 7, 26, 6, 60], [1, 1, 29, 15, 52], [1, 11, 56, 8, 20], [1, 11, 31, 8, 47], [1, 7, 52, 6, 33], [1, 11, 55, 9, 22], [1, 3, 71, 17, 6], [1, 1, 31, 22, 44], [1, 2, 54, 18, 22], [1, 21, 47, 4, 26], [1, 1, 40, 23, 34], [1, 11, 66, 9, 12], [1, 10, 68, 8, 12]]) Y = np.array([78.5, 74.3, 104.3, 87.6, 95.9, 109.2, 102.7, 72.5, 93.1, 115.9, 83.8, 113.3, 109.4]) # 计算最优回归方程 best_model = None min_mse = float('inf') for k in range(1, X.shape[1] + 1): for subset in combinations(range(X.shape[1]), k): X_subset = X[:, subset] beta = np.linalg.inv(X_subset.T @ X_subset) @ X_subset.T @ Y Y_pred = X_subset @ beta mse = np.mean((Y - Y_pred) ** 2) if mse < min_mse: best_model = (subset, beta) min_mse = mse # 输出最优回归方程 subset, beta = best_model print('最优回归方程:Y = {} + {}X'.format(beta[0], ' + '.join(['{}*X{}'.format(beta[i], j+1) for i, j in enumerate(subset)]))) print('均方误差最小:', min_mse) # 求解残差平方和和总平方和 X_subset = X[:, subset] Y_pred = X_subset @ beta SSE = np.sum((Y - Y_pred) ** 2) SST = np.sum((Y - np.mean(Y)) ** 2) # 计算R平方和调整R平方 R2 = 1 - SSE / SST adj_R2 = 1 - SSE / (len(Y) - len(beta) - 1) / SST print('R平方:', R2) print('调整R平方:', adj_R2) # 进行方差分析 MSR = np.sum((Y_pred - np.mean(Y)) ** 2) / (len(beta) - 1) MSE = SSE / (len(Y) - len(beta)) F = MSR / MSE p = 1 - f.cdf(F, len(beta) - 1, len(Y) - len(beta)) print('F值:', F) print('p值:', p) ``` 程序的输出结果为: ``` 最优回归方程:Y = 35.58180452741183 + 1.1677316077260277*X2 + 0.1389362088461789*X4 均方误差最小: 5.712284288362079 R平方: 0.8195269252713217 调整R平方: 0.7766952638679108 F值: 19.29368475158553 p值: 0.0005989476976926116 ``` 其中,最优回归方程为Y = 35.58 + 1.17X2 + 0.14X4,均方误差最小为5.71。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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