-
您好,我们近期正在对华为mdc610进行pointpillar开发,麻烦您提供一下https://gitee.com/huawei_mdc/centerpoint-pointpillars-mdc的授权,谢谢!
-
由于本题T个时间片的全部磁盘操作可以一次性读取完毕,导致本题完全可以使用离线算法先读取完所有的操作,再综合考虑所有操作,决定1~T所有时刻的磁头动作。例如根据 t+i 时刻文件j的读操作,决定t时刻文件j的写入位置,尽管这样不符合从前往后推理的时间顺序。由于demo代码执采用的是在线算法,请问离线算法是否符合题目要求。因为离线算法的分数通常会比在线的启发式/贪心等算法的分数要高。非常感谢!
-
约束条件五指明:在实际的调度算法决策过程中,无法预测未来报文的到达顺序,只能使用已到达报文的信息,即对于当前报文不知道之后是否还会有报文到达。约束条件二:对于每个切片第一个报文到达时间为ts,最后一个报文离开时间te,即暗示已知当前报文是否为最后一个报文。也就是说我们虽然无法预测未来,但可以确定当前报文是否为最后一个?
-
在一个对象写入并删除后,还可以用这个id再去进行对象的写入操作吗
-
开题两分钟就有2000w分的提交了,但是后来不见了。现在也有2000w分的提交。请问它们是线上平台的bug吗,还是说只有开始时的提交有bug?
-
本地运行没有问题,正常输出
-
原题:在实际的调度算法决策过程中,无法预测未来报文的到达顺序。为了保证算法的效果,每次调度决策只能使用已到达报文的信息。我的理解是在算法设计上,每个时间节点te选择调度对象上,是只能使用ts <= te的已到达报文进行计算,不能使用ts > te的未到达报文的信息去计算,对么?如果这样的话,在每个时间节点te调度算法决策上,已到达报文的单位是切片级别的还是报文级别的?即切片级别的话,如果每个切片的第一个报文ts0<=te即认为该切片所有报文信息都获取可用来调度算法决策了,还是报文级别的每个报文信息分别的ts<=te时才认为获取了?感觉按照原文档的逻辑应该是报文级别的,但是这样的话怎么能每个切片在第一个报文即获取报文数目mn,切片带宽SliceBWn, 切片最大容忍时延UBDn信息呢?此外,在提交程序打分时,平台会自动检测这条约束么?
-
RT,这是不是不太对
-
后续还想继续进行测试,开放数据集算出来的分数和测试系统上的分数差别有点大,请问能提供测试系统上的所有数据集嘛。
-
要求原话为:“请选手们关注作品算法的普适性,真正做到创新优化,而不是为了高分而刷高分,否则容易在赛后评测中淘汰。”请问1.淘汰是因为达不到基线被评测机客观淘汰还是说由评审主观决定是否有普适性直接淘汰?2.如果是由评测机决定那么是否意味着在满足任务书且复测分数达到的情况下不管使用什么算法都可获奖?
-
第18、19期赛事将于2月28日18.00结束,目前还剩下最后10天时间!请大家注意比赛时间,不要卡点时提交。如有相关赛事问题可前往论坛发帖提问,我们将尽快解答。⚠️注:比赛将以参赛者最后一次提交的作品为准!请把自己认为最优秀的作品进行提交。⚠️请选手们关注作品算法的普适性,真正做到创新优化,而不是为了高分而刷高分,否则容易在赛后评测中淘汰。🔗赛事链接👉第十八期:https://competition.huaweicloud.com/informations/mobile/1000042156/introduction👉第十九期:https://competition.huaweicloud.com/informations/mobile/1000042159/introduction
-
根据比赛时的测试,理论最高分不超过1000分,而获奖基线是3万多分,这意味着上帝来了也不能拿奖。
-
为什么14期获奖名单只有9个人,排在前15的人算法有问题,那后面的人没有测吗?
-
赛题要求选手找出连接磁带上特定点的最短路径,而两点之间的距离与两点顺序、所在wrap、所在band相关。我们可以将赛题抽象化为不对称的旅行商问题。本次赛题要求使用python且时间低于5s,这就要求需要对代码进行一定的优化。事实上简单计算所有点的两两距离耗时就远超5s。以下将主要讲下我是如何解决距离计算问题的。不同于这个帖子和这个帖子中选择使用numpy加速距离计算,我在实验后决定在KNN图上求解原问题。图1 针对某个目标点(wrap,distance)=(15,66),可能的入边距离(耗时)分布和出边距离分布情况。其中横坐标为distance,纵坐标为wrap,颜色为距离,某个点的颜色代表该点到达目标点或从目标点到达该点的耗时。观察图1,我们可以发现对于某个点而言,每个可能的三元组 (band, direction, closest_anchor) 都对应了一个距离(耗时)区间。由此,我们可以对每组 (band, direction, closest_anchor) 都记录所包含的点,之后对于给定的目标点(这里包括题目的requests和 (0,0) 点),我们按照三元组对应的入边距离区间的最小值排序(预先计算),并记录这些三元组包含的前K个点,计算得到不精确的前K条入边及其距离,最后用这些边构建图。其他诸如记忆化,压缩点等技巧想必大家都会,就不赘述了。之后就是比较常规的求一个初始解并优化。初始解参考了Savings算法,优化主要用了3-opt。
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家;李炎-华为云码道产品专家;彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战,从0到1打通消息通道;码道鸿蒙端云一体化实战,快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人;蒋春阳-华为云AI开发者案例开发专家
本期直播内容: AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了:看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签