Sicily 4952. Another Rock-Paper-Scissors Problem

本文深入探讨了2012年每周一赛第四场第五题,即剪刀石头布问题的解题策略。面对Sonny的特定策略,通过观察其序列规律(如1-1-1-3-3-9-9-27-27等),揭示了其背后的数学逻辑。文章详细阐述了如何利用这个规律,在得知进行多少次猜拳后,给出最终能够击败Sonny的结果。

2012年每周一赛第四场第五题。剪刀石头布的问题,但题目阅读起来相当不解,反复阅读n次之后才明白:这个Sonny本来就想着出RPS,若还要继续就出PSR,若还要继续就出SRP,若还要继续就出回RPS,如此循环下去……问题是如果别人掌握了Sonny的顺序,就能够击败他,所以他就想了个另一个办法去对付这种人(真够无聊的)。首先观察得知,其序列是1-1-1-3-3-9-9-27-27这样的,奥秘就是:对于连续出现的数字,第一个是针对这个数字前面的,而第二个数字就是针对第一个数字的。而你,就是掌握了这个规律的人(道高一尺,魔高一丈啊),在得知要进行多少次的猜拳后,给出最终能够打败Sonny的结果。注意下数据类型的话就没什么问题了。

Run Time: 0sec

Run Memory: 304KB

Code Length: 900Bytes

SubmitTime: 2012-03-17 21:09:11

// Problem#: 4952
// Submission#: 1263779
// The source code is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported License
// URI: http://creativecommons.org/licenses/by-nc-sa/3.0/
// All Copyright reserved by Informatic Lab of Sun Yat-sen University
#include <cstdio>
using namespace std;

int root( long long n, int m ) {
    int r = 0;
    long long temp = 1;
    while ( temp < n ) {
        temp *= m;
        r++;
    }
    return r - 1;
}

long long pow( int n, int m ) {
    long long r = 1;
    for ( int i = 1; i <= m; i++ )
        r *= n;
    return r;
}

int main()
{
    long long N;
    int bound, count;

    while ( scanf( "%lld", &N ) && N ) {
        count = 0;
        while ( N > 3 ) {
            bound = root( N, 3 );
            if ( pow( 3, bound ) * 2 < N ) {
                N -= pow( 3, bound );
                count++;
            }
            N = N - pow( 3, bound );
            count++;
        }
        count = ( count + N - 1 ) % 3;

        if ( count == 0 )
            printf( "P\n" );
        else if ( count == 1 )
            printf( "S\n" );
        else
            printf( "R\n" );
    }

    return 0;

}                                 


 

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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