鹰算法

㈠ RQNOJ在线评测系统 T107 Ural的鹰蛋实验 解题思路

第一想法二分,不过是错的。

假设有i层j个蛋，在第k层做实验丢下一个蛋，这个蛋有两个状态1）碎了2）没碎。

1）当蛋碎了那我们就只需要找前k-1层，因为蛋碎了所以还有j-1个蛋

2）当蛋没有碎那我们就只需要找后面的i-k层，因为蛋没有碎所以还有j个蛋

因为是最坏情况，所以应该是两种情况中最大的一个

我们就可以得到动态转移方程了：

设f[i,j]表示有i层j个蛋做实验的最坏情况的最小植

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

但这个方程的时间复杂度是O(N3)，对10003是肯定要超时的。前面说了二分得到的答案不是最优，不过在二分的过程中我们发现1000层最多也就10个蛋，所以但蛋的个数大于10的时候项当于只有10个蛋。所以蛋只当它有10个，所以现在的时间复杂度为O(1000*1000*10)就不会超时了。

《Ural的鹰蛋实验》算法说明

最容易想到的是二分贪心，但那是不对的。

应该用动规解：

举个例子，10层楼，2个蛋，那么就是要求a[10][2]

第一次试验有10种选择——1到10层

如果选第3层，最坏情况下当然E!=3，如果E<3，蛋就碎了（关键！），那么还需要a[2][1]次

如果E>3，那么还需要a[7][2]次，由于考虑最坏情况，取两个的最大值，再加1

如果n层楼，m个蛋，其实就是

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

当然还要注意剪枝。

1000层楼，最多需要10个蛋

题目是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 鹰瞳科技的算法模型可以识别多少健康风险

目前，鹰瞳科技的算法模型可以做到55种健康风险的识别，平均AUC达到0.968，达到人类专家水平。

㈢ 资金流向的两种算法

考察成交单的方向和大小来定义资金流向。根据沪深交易所提供的成交数据，如果单笔成交的成交价在现价之上，即主动性买盘，表明买方的意愿更强烈，该笔成交定义为资金流入；如果单笔成交的成交价在现价之下，即主动性卖盘，表明卖方的意愿更强烈，该笔成交定义为资金流出。另外一方面，根据单笔成交量的大小将主力资金和散户资金加以区分，就可以很好的将机构资金的动向展示给投资者。
算法说明
鹰眼大单-资金流向系统主要采用第二种算法，将资金流向分为总资金流向和分类资金流向。其中，总资金流向反映多空双方买卖意愿，分类资金流向反映主力和散户买卖意愿。