2014 Multi-University Training Contest 5 1010 Matrix multiplication 涨姿势系列

本文介绍了一种使用bitset优化矩阵乘法的方法,解决了HDU4920问题。通过将矩阵元素转化为1和2的位置信息,利用bitset进行高效计算,实现了对大规模矩阵相乘的有效处理。

题目链接:hdu 4920

        给定两个n×n的矩阵,求矩阵相乘后得到的新矩阵,要求每个数都对3取模。

        第一眼看到的时候还以为是大水题,结果n的范围竟然到了坑爹的800,O(n^3)妥妥的炸了。

        官方给的题解用的是STL里的bitset,(第一次听说啊= =!,一定是我太弱)

        矩阵C[i][j]的值等于A[i]行向量和B[j]列向量点积,最后的结果需要对3取模。因为结果需要对3取模,因此点积过程中考虑1,2即可。用bitset容器构造A中行向量,B中列向量1,2的位置串,利用bitset的交集的大小来快速求值。

        去网上找了简单找了下bitset的用法:

        p.reset() :位数组全部置0

        p.set(i)    :i位置置1

        p.count() :计算p数组中1的个数

/*********************************************************************
  FileName: 4920.cpp
  Author: kojimai
  Created Time: 2014年08月05日 星期二 20时56分32秒
*********************************************************************/
#include<bitset>
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
#define FFF 805
bitset<FFF> row[3][FFF],col[3][FFF];//分别建立行列的位数组
int a[FFF][FFF],b[FFF][FFF];
int main()
{
	int n;
	while(~scanf("%d",&n))
	{
		for(int k=0;k<3;k++)
		{
			for(int i=1;i<=n;i++)
			{
				for(int j=1;j<=n;j++)
				{
					row[k][i].reset(j);
					col[k][j].reset(i);
				}
			}
		}
		for(int i=1;i<=n;i++)
		{
			for(int j=1;j<=n;j++)
			{
				scanf("%d",&a[i][j]);
				a[i][j]%=3;
				row[a[i][j]][i].set(j);
			}
		}
		for(int i=1;i<=n;i++)
		{
			for(int j=1;j<=n;j++)
			{
				scanf("%d",&b[i][j]);
				b[i][j]%=3;
				col[b[i][j]][j].set(i);
			}
		}
		for(int i=1;i<=n;i++)
		{
			for(int j=1;j<=n;j++)
			{
				int result=0;
				result+=(row[1][i]&col[1][j]).count();//找出点积过程中1*1的个数
				result+=(row[1][i]&col[2][j]).count()*2;
				result+=(row[2][i]&col[2][j]).count();
				result+=(row[2][i]&col[1][j]).count()*2;
				result%=3;
				if(j==1)
					printf("%d",result);
				else
					printf(" %d",result);
			}
			printf("\n");
		}
	}
	return 0;
}


内容概要:本文聚焦于不计电池储能寿命损耗的微电网经济调度问题,提出了一种融合电价型、激励型及可中断负荷型三类需求侧响应机制的优化调度模型。研究基于Matlab平台构建了包含光伏、风机、储能系统等多种分布式能源的微电网运行成本最小化模型,详细阐述了目标函数与约束条件的数学建模过程,并通过仿真验证了所提策略在降低系统运行成本、实现削峰填谷和提升能源利用效率方面的有效性。该模型强调需求侧资源的灵活调控能力,为微电网的经济高效运行提供了理论支持和技术路径。; 适合人群:电力系统、能源互联网及相关专业的高校研究生、科研人员,以及从事微电网优化调度、综合能源系统规划与运行的工程技术人员。; 使用场景及目标:①用于教学科研中深入理解微电网经济调度的核心原理、建模方法与求解流程;②为实际微电网项目中整合多类型需求侧响应资源、制定优化运行策略提供可复现的仿真工具与技术参考;③作为进一步研究更复杂场景(如计入储能寿命损耗、碳排放约束、不确定性因素等)的优化模型的基础框架。; 阅读建议:读者应具备电力系统基础理论知识和Matlab编程能力,建议结合文中模型逐步复现代码,通过调整负荷曲线、能源价格、响应参数等变量进行敏感性分析,以深化对调度机制的理解。需特别注意,本模型未考虑电池寿命损耗这一关键因素,在实际工程应用中应结合电池老化模型进行补充和完善,以获得更贴近现实的调度方案。
内容概要:本文提出了一种考虑阶梯式碳交易与供需灵活双响应的综合能源系统优化调度模型,并通过Matlab代码实现。该模型深度融合了阶梯式碳交易机制与电力系统中需求侧及供给侧的灵活响应能力,构建了一个涵盖电、热、气等多种能源形式耦合的综合能源系统框架。通过引入阶梯碳价机制,有效激励系统低碳运行,同时结合需求响应与供给调整的协同优化策略,显著提升了系统运行的经济性与环保性。研究采用先进的数学优化方法对模型进行求解,实现了对系统内各能源单元出力、储能设备调度、负荷转移等关键变量的全局最优配置,为实现能源高效利用与碳排放最小化的双重目标提供了科学支撑。; 适合人群:具备电力系统、能源系统建模或优化调度等相关背景的科研人员与工程技术人员,特别适合从事综合能源系统规划、低碳调度策略、碳交易机制设计等方向研究的研究生及高校教师。; 使用场景及目标:①深入研究阶梯式碳交易机制在综合能源系统中的建模方法与应用效果;②实现供需双侧灵活互动下的系统经济性与低碳化协同优化调度;③为区域能源系统的低碳转型提供量化分析工具与决策支持依据;④作为Matlab平台下能源系统优化建模的教学案例或科研复现参考。; 阅读建议:建议读者结合提供的Matlab代码逐行解析模型构建过程,重点掌握目标函数与约束条件的数学建模逻辑及其程序实现方式。在学习过程中应积极尝试调整碳价阶梯参数、改变负荷响应场景以观察系统优化结果的变化,从而深化对模型机理的理解。同时,可将本模型与单一碳价或其他需求响应模型进行对比分析,进一步拓展研究视野与创新思路。
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