2024华数杯国际赛B题高质量参考论文+所有小问数据代码+数据集整合

本文主要是介绍2024华数杯国际赛B题高质量参考论文+所有小问数据代码+数据集整合,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

                                      (完整版在文末)   ICMB题

该题目出题的难度与方向都与美赛 ICM 的题型高度相似,将本次竞赛当做美赛的 练手赛,个人认为是非常合适的一种选择。同时 28 号就可以出成绩,也可以在美赛前 实现查漏补缺,提前预祝大家比赛顺利,美赛都可以取得好成绩。下面,我们开始详细 的解读一下本次竞赛的 B 题。

B 题本次的难度远低于 A 题,这势必会导致 B 题的选题认识会比 A 题多很多,但 是比赛的最终成绩是获奖率。无论都是每个赛题选择人数多少,每个赛题获奖的人数都  50%,因此不存在选择人少的赛题好获奖这种情况,都是比例获奖。我可以保证跟着 本人的思路,获奖是没有任何问题的,至于能获得什么奖项,主要还是看对于每一问选 择的模型复杂度的高低以及队伍可视化的能力。基本每一问都会给两三种实现方式,上 中下三种实现方式,即使最简单的方式,也是可以保证获奖的。但是很难保证获得很好 的奖项。

数据收集

在正式开始题目之前必须明白,对于美赛这种 ICM 题目,很大程度的上的难点并不在 于题目本身而是,需要我们自行收集数据,由于大家之前没有自己找过数据,所以这一关会 难倒很多很多的人群。本团队会为大家收集一套完整的数据,供大家选择。至于选择这套数 据集中的何种数据,就因队伍而已,因此一千个队伍可能有一千种选择方式。所以,从一开 始的选择数据开始,大家就会各不相同。因此,无需担心查重率过高的问题。

本文目前,已经为大家收集了问题一和问题四的数据,如下所示。稍后也将为大家专门 收集关于光伏发电相关的数据,完成对于问题三四的数据收集。

1.2 Yeo-Johnson  转换

为了防止建立的模型过拟合以及提高模型的泛化能力, 需要对数据的分布情况进行 探索分析,力求保证数据集分布情况一致,首先将数据导入,运用 Python 判断每一列 数据的分布类型是否属于正态分布,本代码通过 SciPy  库中的 stats.skew() 函数来 判断数据是否需要进行 Yeo-Johnson  转换。Skewness(即偏度) 是衡量某一个样本数值 相对于平均数的偏离程度的统计量, 它可以用来描述数据的分布形态是否对称。偏度为 0  表示数据分布是对称的, 偏度大于 0  表示数据分布偏向右侧, 偏度小于 0  表示数据 分布偏向左侧。

问题三代码:

import gurobipy as gp
from gurobipy import GRBdef create_photovoltaic_model(P_values, G_values, C_b_values, C_o_values, A_values, B, total_available_land):# 创建模型model = gp.Model("MaxPhotovoltaicPower")# 决策变量N = {}for i in range(len(P_values)):N[i] = model.addVar(vtype=GRB.INTEGER, name=f"N_{i}")# 目标函数model.setObjective(gp.quicksum((P_values[i] * G_values[i] - C_b_values[i] - C_o_values[i]) * N[i] for i in range(len(P_values))), sense=GRB.MAXIMIZE)# 地理约束model.addConstr(gp.quicksum(A_values[i] * N[i] for i in range(len(P_values))) <= total_available_land, name="land_constraint")# 预算约束model.addConstr(gp.quicksum((C_b_values[i] + C_o_values[i]) * N[i] for i in range(len(P_values))) <= B, name="budget_constraint")return model, Ndef solve_photovoltaic_model(model):# 求解模型model.optimize()# 输出结果if model.status == GRB.OPTIMAL:return Trueelse:print("未找到最优解")return Falsedef get_optimal_solution(N):# 获取最优解optimal_N = {i: N[i].x for i in range(len(N))}optimal_Z = model.objValreturn optimal_N, optimal_Zdef main():# 示例数据P_values = [0.1, 0.15, 0.12]G_values = [100, 120, 90]C_b_values = [2000, 2500, 1800]C_o_values = [100, 120, 80]A_values = [5000, 6000, 4500]B = 50000total_available_land = 20000# 步骤1: 创建模型model, N = create_photovoltaic_model(P_values, G_values, C_b_values, C_o_values, A_values, B, total_available_land)# 步骤2: 求解模型if solve_photovoltaic_model(model):# 步骤3: 获取最优解optimal_N, optimal_Z = get_optimal_solution(N)print("最优建设数量 (N):", optimal_N)print("最优总发电量 (Z):", optimal_Z)if __name__ == "__main__":main()

2024华数杯B题五小问完整思路+四问数据代码+数据可视化图表

 

这篇关于2024华数杯国际赛B题高质量参考论文+所有小问数据代码+数据集整合的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/617389

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题

题库来源:安全生产模拟考试一点通公众号小程序 2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题是由安全生产模拟考试一点通提供,流动式起重机司机证模拟考试题库是根据流动式起重机司机最新版教材,流动式起重机司机大纲整理而成(含2024年流动式起重机司机证模拟考试题库及流动式起重机司机理论考试试题参考答案和部分工种参考解析),掌握本资料和学校方法,考试容易。流动式起重机司机考试技

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

活用c4d官方开发文档查询代码

当你问AI助手比如豆包,如何用python禁止掉xpresso标签时候,它会提示到 这时候要用到两个东西。https://developers.maxon.net/论坛搜索和开发文档 比如这里我就在官方找到正确的id描述 然后我就把参数标签换过来