ACM题---笨小熊

笨小熊

时间限制:2000 ms  |  内存限制:65535 KB
难度:2
描述

笨小熊的词汇量很小,所以每次做英语选择题的时候都很头疼。但是他找到了一种方法,经试验证明,用这种方法去选择选项的时候选对的几率非常大! 
这种方法的具体描述如下:假设maxn是单词中出现次数最多的字母的出现次数,minn是单词中出现次数最少的字母的出现次数,如果maxn-minn是一个质数,那么笨小熊就认为这是个Lucky Word,这样的单词很可能就是正确的答案。

输入
第一行数据N(0<N<100)表示测试数据组数。
每组测试数据输入只有一行,是一个单词,其中只可能出现小写字母,并且长度小于100。
输出
每组测试数据输出共两行,第一行是一个字符串,假设输入的的单词是Lucky Word,那么输出“Lucky Word”,否则输出“No Answer”; 
第二行是一个整数,如果输入单词是Lucky Word,输出maxn-minn的值,否则输出0
样例输入
2
error
olympic
样例输出
Lucky Word
2
No Answer
0

来源----南阳理工学院题


解题思路:  一般的思路有两种:

第一种:将输入的字符串先排序,把不同的字符成一组一组,遍历排好序的字符数组并记录相同字符的个数。

第二种:直接遍历字符串,将相同字符记录其个数

对于第一种方法:当字符串越长时,所花时间不断增加,会出项错误。

还有在这些  字符串中  出现“aaaa”类似的,要输出“No Answer”.


#include<stdio.h>
#include<string.h>

void isPrime(int num)//判断素数
{
	//当m为0,1时直接No Answer
	if((num==0)||(num==1))
	{
		printf("No Answer\n0\n");
	}
	else if(num==2)//m为2时,为素数
	{
		printf("Lucky Word\n2\n");
	}
	else
	{
		int flag=1;
		for(int i=2;i<=num/2;i++)
		{
			if(num%i==0)
			{
				flag=0;
				break;
			}
		}
		if(flag) 
			printf("Lucky Word\n%d\n",m);
		else 
			printf("No Answer\n0\n");
	}
}
int main()
{
	int N;//测试次数
	scanf("%d",&N);
	while(N--)
	{
		char str[100];//输入的字符串
		scanf("%s",str);
		int M=strlen(str);
		int count[100];
		for(int i=0;i<M;i++)
		{
			count[i]=1;//初始每一个字符的个数都是1
		}
		for(int i=0;i<M;i++)
		{
			for(int j=0;j<i;j++)
			{
				if(str[i]==str[j])
				{
					count[i]+=count[j];//把相同的字符,每个‘1’相加
					count[j]=0;//相同的字符的‘1’赋值为0
				}
			}
		}
		int min=100,max=0;//记录最大值和最小值
		for(int i=0;i<M;i++)
		{
			if(count[i])
			{
				if(count[i]>max) max=count[i];
				if(count[i]<min) min=count[i];
			}
		}
		isPrime(max-min);//判断是否素数,输出结果。
	}
	return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
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

打赏作者

一只打杂的码农

你的鼓励是对我最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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