AOJ 720 缺失的学妹【map】

题面:

Description
每到新生入学的时候,我们都会迎接很多新的同学。每当这个时候西瓜非常开心,因为又能看到很多学妹了。人数n很多(1<=n<=1000000),她们每个人都有一个学号ID,这个学号都是位于1~2000000000内的一个整数。
TYF手里有这n个人所有人的学号,并且知道其中有一个人出去约会了。
西瓜想知道这一个人是谁,于是他统计出了在场妹子的学号。
请你帮助西瓜找出哪一个人是谁。

Input
多组数据,EOF结束。
对于每组数据,第一行一个整数n,表示妹子的数量。
以下n行,每行一个整数,代表每个妹子的学号。
以下n-1,每行一个整数,表示在场的妹子的学号。

Output
对于每组输入,输出一行为没有来的妹子的学号

Sample Input
3
10061061
10061023
10061201

10061061
10061023

Sample Output
10061201

大致思路:

因为数据量很大,并且数字也很大。暴力是肯定过不了的。所以考虑用map。把出现过的都标记为1,然后扫一遍找0就行了。

代码:

#include<iostream>
#include<cstring>
#include<cstdlib>
#include<cstdio>
#include<algorithm>
#include<map>
using namespace std;
string id[1000010];
int main()
{
    int n;
    ios::sync_with_stdio(false);//记得关同步
    map<string,int> mp;
    while(cin>>n)
    {
        string a;
        for(int i=0;i<n;++i)
            cin>>id[i];
        for(int i=0;i<n-1;++i){
            cin>>a;
            mp[a]=1;
        }
        for(int i=0;i<n;++i)
            if(mp[id[i]]==0){
                cout<<id[i]<<endl;
                break;
            }
    }
    return 0;
}
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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