HOJ 1005 ZOJ 1196 Fast food

本文介绍了一种解决补给站选址问题的经典动态规划算法。通过分析不同选址方案的花费,得出将补给站建在中位数位置时花费最小的结论,并给出了具体的实现代码。

初拿到这道题是一个多月前的事了。当时没听懂学长讲的,回去后也没琢磨,于是拖到了现在。前几天好好想了想,总算是把这道题搞懂了。


分析:用c[i][j]来表示第i到第j个饭店,建立一个补给站后所需的最小花费。我试了几个数据后发现,建在下标为(i+j)/2的饭店时花费最小,这样c[i][j]就很容易得出了。


用dp[i][k]来表示前i个饭店用k个补给站所需的最小费用,那么枚举饭店数j从0到i-1(用k-1个补给站),状态转移方程为dp[i][k]=min{dp[i][k],dp[j][k-1]+c[j+1][i]}。

#include <iostream>
#include <stdio.h>
#include <string.h>
#include <math.h>
using namespace std;
int main()
{
    int n,m,kase=1;
    while(scanf("%d %d",&n,&m)!=EOF&&m+n)
    {
        int a[205],c[205][205],dp[205][35];
        for(int i=1;i<=n;i++) scanf("%d",&a[i]);
        memset(c,0,sizeof(c));
        for(int i=1;i<=n;i++)
            for(int j=i;j<=n;j++)
                for(int k=i;k<=j;k++)
                c[i][j]+=fabs(a[(i+j)/2]-a[k]);
        memset(dp,0x7f,sizeof(dp));
        dp[0][0]=0;
        for(int i=1;i<=n;i++)
            for(int j=0;j<i;j++)
            for(int k=1;k<=m;k++)
            dp[i][k]=min(dp[i][k],dp[j][k-1]+c[j+1][i]);
        printf("Chain %d\n",kase++);
        printf("Total distance sum = %d\n\n",dp[n][m]);
    }
    return 0;
}


反思:我觉得这道题非常经典,值得反复玩味。我从这道题也知道了需要看数据考虑复杂度,理性枚举。dp问题一直是我的老大难,直到现在只独立解过一题。还是要多思考,耐着性子分析,一步一步推,把手里的问题搞透,并多做些练习。

内容概要:本文围绕“分布式电源接入配电网承载力评估方法”的研究展开,重点复现了一项基于双层鲸鱼优化算法求解的核心学术论文,结合Matlab编程实现,对IEEE 33节点配电网系统进行建模与仿真分析。研究旨在科学评估在大规模分布式电源接入背景下配电网的承载能力,构建了综合考虑系统运行安全性、电能质量、网络损耗及电压稳定性等多重约束条件的优化评估模型,并采用高效的智能优化算法进行求解,有效提升了评估精度与计算效率,为新能源并网规划、电网扩容改造及运行决策提供了可靠的理论依据和技术支撑。该资源不仅提供完整的代码实现,还深入解析算法设计逻辑与模型构建流程,具有较强的科研复现价值和工程参考意义。; 适合人群:具备电力系统分析基础理论知识和Matlab编程能力,从事新能源并网、智能配电网规划、电力系统优化、分布式能源管理等方向的研究生、科研人员及电力行业工程技术人员。; 使用场景及目标:① 学习并掌握分布式电源接入对配电网影响的量化评估方法;② 深入理解双层优化架构与智能算法(如鲸鱼优化算法)在复杂电力系统问题中的应用机制;③ 获取可运行、可调试的Matlab代码资源,用于科研论文复现、课题研究仿真、课程设计或工程项目前期论证。; 阅读建议:此资源以核心论文的技术路线为基础,强调理论与实践相结合。建议读者在阅读过程中结合电力系统潮流计算、约束优化等基础知识,逐步理解模型构建思路,并动手运行与调试所提供的Matlab代码,通过参数调整与结果分析深化对算法性能与工程适用性的认知,从而真正实现从“看懂”到“掌握”的转化。
内容概要:本文档聚焦于“并_离网风光互补制氢合成氨系统容量-调度优化分析”的Python代码实现,是一项面向能源系统优化领域的高水平科研复现工作。通过构建风能、光伏、电解水制氢及合成氨工艺的多能耦合系统模型,实现对系统容量配置与运行调度的联合优化,旨在提升可再生能源消纳能力、系统运行效率与经济性。研究采用双层鲸鱼优化算法等智能算法求解复杂的混合整数非线性规划(MINLP)问题,并结合YALMIP建模工具与Python编程环境完成系统仿真,适用于顶级EI期刊论文的模型复现与技术验证。; 适合人群:具备Python编程能力、优化理论基础及能源系统专业知识的科研人员,特别适合从事可再生能源集成、绿氢生产、综合能源系统、碳中和等相关方向的硕士/博士研究生及高校研究人员。; 使用场景及目标:①复现并深入理解顶级EI期刊中关于风光制氢合成氨系统的优化建模方法;②掌握多能互补系统建模、能量流平衡分析与设备容量优化配置的核心技术;③学习并应用双层优化算法、MINLP求解策略及不确定性处理方法;④支撑科研课题攻关、高水平论文撰写、项目申报及算法对比验证。; 阅读建议:建议优先下载并配置网盘提供的YALMIP-develop.zip等开发环境资源,仔细研读代码中关于风光出力预测、电解槽与合成氨反应器动态特性、电网交互模式(并网/离网)、设备投资与运行约束的数学表达,通过调试案例参数深入理解目标函数(如最小化年化成本)与决策变量的设计逻辑,进而开展个性化改进与扩展研究。
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