鷹演算法

㈠ RQNOJ在線評測系統 T107 Ural的鷹蛋實驗 解題思路

第一想法二分,不過是錯的。

假設有i層j個蛋，在第k層做實驗丟下一個蛋，這個蛋有兩個狀態1）碎了2）沒碎。

1）當蛋碎了那我們就只需要找前k-1層，因為蛋碎了所以還有j-1個蛋

2）當蛋沒有碎那我們就只需要找後面的i-k層，因為蛋沒有碎所以還有j個蛋

因為是最壞情況，所以應該是兩種情況中最大的一個

我們就可以得到動態轉移方程了：

設f[i,j]表示有i層j個蛋做實驗的最壞情況的最小植

所以f[i,j] = min{max{f[k-1,j-1],f[i-k,j]}+1} (1<=k<=i)

但這個方程的時間復雜度是O(N3)，對10003是肯定要超時的。前面說了二分得到的答案不是最優，不過在二分的過程中我們發現1000層最多也就10個蛋，所以但蛋的個數大於10的時候項當於只有10個蛋。所以蛋只當它有10個，所以現在的時間復雜度為O(1000*1000*10)就不會超時了。

《Ural的鷹蛋實驗》演算法說明

最容易想到的是二分貪心，但那是不對的。

應該用動規解：

舉個例子，10層樓，2個蛋，那麼就是要求a[10][2]

第一次試驗有10種選擇——1到10層

如果選第3層，最壞情況下當然E!=3，如果E<3，蛋就碎了（關鍵！），那麼還需要a[2][1]次

如果E>3，那麼還需要a[7][2]次，由於考慮最壞情況，取兩個的最大值，再加1

如果n層樓，m個蛋，其實就是

for(i=1;i<=n;i++) a[n][m]=min{1+max{a[i-1][m-1],a[n-i][m]}}

當然還要注意剪枝。

1000層樓，最多需要10個蛋

題目是URAl1223。

program ural1223;

const

maxn=1000;

maxn2=10;

var

min,max,n,k,l,i,j:integer;

a:array[0..maxn,0..maxn2]of integer;

r:real;

begin

assign(input,'c.in');

assign(output,'c.out');

reset(input);

rewrite(output);

for i:=1 to maxn do

begin

a[i,0]:=0;

a[i,1]:=i;

end;

for i:=1 to maxn2 do

begin

a[1,i]:=1;

a[0,i]:=0;

end;

for i:=2 to maxn2 do

for j:=2 to maxn do

begin

min:=maxint;

for k:=1 to j do

begin

if a[k-1,i-1]>a[j-k,i] then l:=a[k-1,i-1]

else l:=a[j-k,i];

if min>l then min:=l;

end;

a[j,i]:=min+1;

end;

read(n,k);

if n>10 then writeln(a[k,10])

else writeln(a[k,n]);

close(input);

close(output);

end.

㈡ 鷹瞳科技的演算法模型可以識別多少健康風險

目前，鷹瞳科技的演算法模型可以做到55種健康風險的識別，平均AUC達到0.968，達到人類專家水平。

㈢ 資金流向的兩種演算法

考察成交單的方向和大小來定義資金流向。根據滬深交易所提供的成交數據，如果單筆成交的成交價在現價之上，即主動性買盤，表明買方的意願更強烈，該筆成交定義為資金流入；如果單筆成交的成交價在現價之下，即主動性賣盤，表明賣方的意願更強烈，該筆成交定義為資金流出。另外一方面，根據單筆成交量的大小將主力資金和散戶資金加以區分，就可以很好的將機構資金的動向展示給投資者。
演算法說明
鷹眼大單-資金流向系統主要採用第二種演算法，將資金流向分為總資金流向和分類資金流向。其中，總資金流向反映多空雙方買賣意願，分類資金流向反映主力和散戶買賣意願。