今天想寫一篇部落格記錄一下自己參加華為軟挑的過程，估計會在接下來乙個月陸續更新。題目其實幾天前就看過了，**也寫了兩天，不過報名還是今天的事。
今年的題目相對還是比較好理解的，而且方向也很明確——用機器學習方法訓練資料，隨後用裝箱問題的思路解決。由於自己缺少機器學習的基礎，因此第一步暫時採用了將訓練資料按周分段的方法。先統計每週內各虛擬機器的申請數目，對於異常資料（如大於平均值50%以上的值）作截斷處理。隨後對每週的資料按照一定係數相乘，最後求和，以**下一周的結果。
得到**結果後，問題轉化成了裝箱問題。目前的思路和官方給的一致，即盡可能地往乙個伺服器中裝，裝不下就再開乙個伺服器。在此基礎上稍微做了一點改進：先將虛擬機器按照cpu/mem的大小進行排序，隨後按照排序結果分別從兩端開始放入伺服器中，具體的偽**和官方給的一致：
對於**出來的每個虛擬機器
從物理伺服器集合h選擇首次能滿足需求的物理伺服器
如果：放置到該台物理伺服器
物理伺服器做資源扣減
否則：開啟一台新的物理伺服器
虛擬機器放置到新的物理服務上並作資源扣減
更新所用物理伺服器集合
更新剩餘虛擬機器集合
華為軟體精英挑戰賽總結
我們的成員分工 1 負責除錯 糾錯和上傳 2 負責查詢演算法思路 3 負責查詢演算法並且寫 框架 步驟 1 通過各個同學的專長進行分工，如上所示，確定一有思路就開小組會議討論。2 3號同學在網上查詢到乙個最基本的直連程式，該程式有錯誤，需要修改。3 1號同學同過3號同學給的直連 進行除錯和改錯，與此...
華為軟體精英挑戰賽總結
賽題連線 總體來看，是乙個np hard問題。我們隊的解題思路是 1 隨機選取伺服器的位置，用遺傳演算法尋優，那麼遺傳演算法中的判斷運算元就是第二步 2 在伺服器位置固定的情況下，利用最小費用最大流演算法計算總費用。該演算法思路詳見 其中求帶負權有向圖最短路，用到了fpga演算法，其實就是b ell...
2019華為軟體精英挑戰賽總結
華為軟挑切切實實的做了兩周，說實話這也是第一次打這種 比賽，最終的成績略顯遺憾，西北賽區的58名，因為今年沒有64強這一說法，所以沒有任何獎勵，希望明年有再來一次的決心勇氣，畢竟竹籃打水一場空太讓人不爽了。成績附圖如下，第58名 我是起名廢團隊 今年的賽題首先讓人窒息的就是長達29頁的題目，光是讀題...