UVaOJ 10785 - The Mad Numerologist

本文介绍了一种算法,用于构造长度为n的姓名,该姓名由最少的元音和辅音组成,遵循特定规则以确保字典序最小。

AOAPC I: Beginning Algorithm Contests (Rujia Liu) :: Volume 1. Elementary Problem Solving ::Sorting/Searching


Description

对于 26 个英文字母, 规定其值如下表:


对于一个名字, 规定 consonant values 和 vowel values 的计算方式如下:


要求构造一姓名, 规则如下:

  • 长度为 n。
  • consonant values 和 vowel values 为最小值。
  • 从左往右, 从 1 开始计数, 奇数位置必须为元音字母, 偶数位置则为辅音字母。
  • 同样一个元音字母, 最多出现 21 次; 同样一个辅音字母, 最多出现 5 次。
  • 符合以上规则的条件下, 要求字典序最小。

输入 n, 输出符合规则的姓名。

Type

Sorting/Searching


Analysis

由于元音和辅音之间互不干涉, 且规则相似, 所以可以分开来做 。


先将需要用到的元音放到一个字符串中, 值最小的优先。

然后对该字符串排序, 则可以保证 vowel values 最小, 且字典序最小。


辅音的做法类似, 最后将构造出来的两个字符串合并即可。


Solution

// UVaOJ 10785
// The Mad Numerologist
// by A Code Rabbit

#include <algorithm>
#include <iostream>
#include <string>
using namespace std;

const char VOWEL[] = "AUEOI";
const char CONSONANT[] = "JSBKTCLDMVNWFXGPYHQZR";

int n;

int main() {
    int T;
    cin >> T;
    for (int t = 1; t <= T; t++) {
        // Input.
        cin >> n;
        // Solve.
        string vowel, consonant;
        for (int i = 1, idx = 0; i <= (n + 1) / 2; i++) {
            vowel += VOWEL[idx]; 
            if (i % 21 == 0) idx++;
        }
        for (int i = 1, idx = 0; i <= n / 2; i++) {
            consonant += CONSONANT[idx]; 
            if (i % 5 == 0) idx++;
        }
        sort(vowel.begin(), vowel.end());
        sort(consonant.begin(), consonant.end());
        // Output.
        cout << "Case " << t << ": "; 
        for (int i = 1; i <= n; i++)
            cout << (i % 2 ? vowel[i / 2] : consonant[i / 2 - 1]);
        cout << endl;
    }

    return 0;
}

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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
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