初赛、复赛。比赛耗时50天。忙忙碌碌、紧紧张张。
西北赛区真的很强，最终成绩初赛6/64 复赛6/36。真是666！！！
简单说一下赛题：
赛题围绕两个点展开：销量预测问题、放置优化问题。
请求预测问题与简单解析：赛题给出了用户对于虚拟机请求的2-3个月的历史数据文档（txt文件），需要做的是通过读取和抽取文件中关键信息（时间信息）、统计历史虚拟机的请求数量。根据历史数据去预测接下来一段时间（时间的长短、时间的间隔有一些小花样需要处理）的不同规格的虚拟机请求数量，预测结果的准确性是考察的一部分。
放置优化问题与简单解析：预测出来的虚拟机请求数量了，接下来，要去部署这些虚拟机去，怎么样来部署呢？需要把不同规格的虚拟机数量放置在固定规格的服务器上，服务器和虚拟机的规格（在一个input.txt）在文件给出，也是需要我们自己去获取关键信息，服务器的不同规格就像不同大小的容器（或者叫背包），虚拟机的不同规格就像不同大小的物品，我们要把这些不同规格的虚拟机（小物件）放在服务器（背包）上面。怎么样放得最满、最严实是我们要解决的问题。
举例：
给出8种虚拟机：
flavor5 2 4096
flavor10 8 8192
flavor2 1 2048
flavor11 8 16384
flavor12 8 32768
flavor13 16 16384
flavor14 16 32768
flavor15 16 65536
给出3种服务器：
General 56 128 1200
Large-Memory 84 256 2400
High-Performance 112 192 3600
怎么解决：根绝历史数据，预测出8种不同规格虚拟机的请求数量，把预测出来的结果部署在3种不同规格的服务器上。预测的准确度和放置的利用率直接影响到最终的得分，最终的得分有评分公式。
先来一张图镇楼（假装很厉害）。96.841分
这是训练赛的截图，正式赛两次第6名，直接凉凉.....月色为你思念成河.....(我自己唱)
----------------------------------------------------------分界线----------------------------------------------------------------
废话不多说，下面分享干货：
预测方法：二次指数平滑(发现到后面用的方法大部分都是这个，确实好用，简单有效，胜过其他逼格很高的预测算法)，通过一次差分数据、二次差分数据、三次差分数据（用二次差分数据做归一化处理）。用这个3种数据做二次指数平滑，再加上一个奇怪的系数，这个系数只有自己去慢慢试才能得知。
放置方法：定向遍历可行解（解系附近）30万次，加上竖贪心放置算法，加上矫正算法，再加上得分公式来权衡利弊，从30万个可行解中选取一个得分最好的解进行输出，鲁棒性很高、很稳定、很放心，毕竟是30万次尝试的结果，复赛最终的放置率可以达到99.5%以上，完美解决。
预测准确度和放置利用率之间的利弊权衡也很关键，在假设自己知道标准预测答案的前提下：怎么样去找见预测准确度和放置利用率之间的权衡点，通过评分公式去权衡，比如：我就牺牲部分预测准确度去成全更高、更完美的放置利用率又何尝不行呢？
