企业官网建设流程全解析

海南网站建设海南网络公司,淘宝客网站用什么软件做,江苏省住房与城乡建设厅网站首页,如何推广网站网站推广常用方法前言 “全球校园人工智能算法精英大赛”是江苏省人工智能学会举办的面向全球具有正式学籍的全日制高等院校及以上在校学生举办的算法竞赛。其中的算法巅峰赛属于产业命题赛道#xff0c;这是第一赛季#xff0c;对最后一道优化题进行浅浅地解读。 无人机配送 问题描述 低空…前言“全球校园人工智能算法精英大赛”是江苏省人工智能学会举办的面向全球具有正式学籍的全日制高等院校及以上在校学生举办的算法竞赛。其中的算法巅峰赛属于产业命题赛道这是第一赛季对最后一道优化题进行浅浅地解读。无人机配送问题描述低空经济的应用场景不断上新无人机在快件配送、医疗物资转运等方面发挥了重要作用。每个城市都建有一条竖直的无人机航站楼航站楼上分布着若干起降点。作为“巅峰航空的航司调度员你接到了一个任务在每个城市的无人机航站楼上都选取一个起降点并把这些点连接成一条运输路径路径顺序由你决定。路径可以自任意一个城市开始并最终返回这个起始城市。无人机飞行时有两种主要消耗:(1)时间消耗:用两点之间的直线距离(欧氏距离)来表示距离越短时间消耗越少时效性越好(2)动能消耗:如果后一个点比前一个点的高度更高就需要额外的能量爬升。用两点间的“斜率”(高度差÷水平差)来表示,如果下降或水平则不计。不同的无人机航空公司有着不同的经营策略廉价航空更注重成本控制精品航空则更注重时效性。“巅峰航空为你配置了一个权衡系数k用来平衡“时效“与“能耗”的重要性,k越大越重视降低能耗应尽可能选择平缓路线;k越小越重视提升时效应尽可能缩短总距离。你的目标是通过合理的航线调度实现更少的综合消耗。综合消耗(1-k)x 总距离之和÷Dkx 总爬升斜率之和÷S.你的k值为0.6。输入格式第1行:城市数量 M。接下来每个城市:1行:城市的起降点数量n和该城市的横坐标x;下1行:n 个纵坐标y表示该城市所有起降点的位置。最后1行:D和S用于将综合能耗的计算调至相同量级(归一化基准)。其中M、n、x、y、D、S均为整数2≤M≤2001≤n≤200x≤100000≤y≤10000。输出格式输出1行:以““相隔的M个数据对(城市序号,航站楼起降点席号)其中城市序号指该城市在输入中的出现次序航站楼起隆点席号指该起隆点在该城市航站楼的出现次序。无人机在到达最后-个城市后将自动返回起始城市故无需在未尾再次输出起始城市。输入样例33 21 3 84 64 8 9 104 101 3 7 107 1输出样例(1,3)(3,3)(2,2)该示例仅作为输出的格式示例并不代表该示例的综合消耗最少。思路分析这题是 TSP 的变体。重新定义了距离引入了斜距不利于可视化重新定义了边点与点之间变成了特殊的有向边如何理解这个“特殊的有向”简单来说dist(a, b) ! dist(b, a)历来TSP 问题核心操作因子是交换 交换交换点交换边交换区间交换等等但这个 tsp 有向边的特殊性导致只有点交换依旧有效可以思考下为什么另一方面其数据规模达到百级别但只有10 秒时限根本没有给成熟元启发式算法时间去进化。因此这题最核心的解法近似算法为主元启发算法为辅助 ( 可忽略 近似算法为主元启发算法为辅助(可忽略近似算法为主元启发算法为辅助(可忽略高分思路高分思路大概分两种策略先确定好序列航站点然后再确定具体序列里的参与点起降点动态调整构造航站点起降点这题高分思路非常多挑几个讲讲。以先确定序列再确定参与点为列按x轴排序(航站楼)环状层序 DP(起降点)这个思路比赛的时候很多人采用了# 按 x 轴排序 sort(stations, keylambda s: s.x) # 这边的 dp 有些复杂大概这个架构忽略边界路径跟踪 # dp[i][j], path[i][j] for z in range(len(stations[0].ys): # 确定从第一个站点的第i 起降点出发 dp[0][z] 0 for i in range(m - 1): for j in range(len(stations[i].ys)): for k in range(len(stations[i1].ys)): dp[i1][k] min(dp[i1][k], dp[i][j] dist(stations[i].ys[j], stations[i1].ys[k])) #处理最后的环即m-1 到 0 节点 for j in range(len(stations[m - 1].ys)): #取最小的 min dp[m - 1][j] dist(stations[m - 1].ys[j], stations[0].ys[z]);不过大概只有 169 分因为这是确定性算法所以导致当时比赛的时候很多人在这个分数点聚集成了一个小区间。后面几个赛季感觉组委会引入时间耗时内存消耗作为波动小分打散了这种确定算法相同分数的情况。多策略排序(航站楼)环状层序 DP(起降点)基于第一种思路稍微做一些改进根据多种策略进行排序按 x 坐标排序按 y 坐标中位数1/3 位数2/3 位数随机点排序按 x 坐标y 坐标加权排序注意这里的排序可以升序也可以降序后续采用同样的 DP 算法。虽然看起来有些玄学但是效果真不错实测接近 400 分。未完待续基准测试未完待续写在最后这篇文章是晚于 第二赛季和第三赛季补上是因为想补齐整个赛季单纯的完美主义作祟。那为啥之前一开始不写呢完败于 A I 大模型的深深无奈和绝望 完败于 AI 大模型的深深无奈和绝望完败于AI大模型的深深无奈和绝望犹记得 2024 年3D 打印机 那道优化题其实做了很长时间的算法调研对比还特意构建一整套测试框架可视化调试工具最后优化到满分。有兴趣可以参看下文第六届全球校园人工智能算法精英大赛-算法巅峰专项赛但是短短的一年内AI 大模型的进化速度之快令人骇人它彻底改变了比赛的底层逻辑。