2017年11月26日周赛四

本文介绍了两个有趣的算法问题:一是通过模拟计算方法确定任意给定日期对应的星期;二是求解一个特殊分数矩阵的总和,涉及对角线对称规律的应用。

A

日期转换HDU - 2133

题目描述:

今天小明想要去找小红约会,于是他中午吃过饭就跑去和妈妈说要去小红家,小明妈妈说作业写完了再去,但是小明不想写高数和现代作业(应为太难了.......)。于是,小明一直缠着妈妈,最后小明妈妈要给小明出一个问题,如果小明答对了,就让小明出去玩。已知,今天是2017年十一月25号 Saturday, 给你一个日期,说说那天是星期几? 
小明一听简直快要崩溃,为了小明能过出去玩,全靠你了!!!

Input
多实例,每一组实例占一行,包括三个整数, 分别是 year(0<=year<=10000), month(0<=month<13), day(0<=day<32).

Output
输出有一行,如果数据是不合规则的,请输出"illegal", 否则请输出那一天是星期几。

Sample Input
2017 11 25

Sample Output
Saturday

Hint
星期一, 星期二, 星期三, 星期四,星期五,星期六,星期日,分别是:Monday, Tuesday, Wednesday, Thursday, Friday, Saturday, Sunday
注意输入数据不合规则的情况

代码:

模拟题 公元元年1月1号是周一,然后模拟就行了 特别需要注意输入数据不合规则的情况

#include<bits/stdc++.h>
using namespace std;
int rn(int y)//对闰年的判断
{
    if(y%400==0||(y%4==0&&y%100!=0))
        return 1;
    return 0;
}
int main()
{
    int i,y,m,d;
    int t[2][31]= {{0,31,28,31,30,31,30,31,31,30,31,30,31},{0,31,29,31,30,31,30,31,31,30,31,30,31}};//二维数组存平年和闰年每个月的天数
    while(scanf("%d %d %d",&y,&m,&d)!=EOF) {
        if(rn(y)==0&&m==2&&d>28||y==0||m==0||d==0||d>t[rn(y)][m]||m>12)//对不合规则的日期的判断
        {
            printf("illegal\n");
        }
        else
        {
            for(i=1; i<y; i++)
                d+=365+rn(i);
            for(i=1; i<m; i++)
                d+=t[rn(y)][i];//d为从元年一月一日到输入日期的总天数
            d%=7;
            if(d==0)
                printf("Sunday\n");
            else if(d == 1)
                printf("Monday\n");
            else if(d == 2)
                printf("Tuesday\n");
            else if(d == 3)
                printf("Wednesday\n");
            else if(d == 4)
                printf("Thursday\n");
            else if(d == 5)
                printf("Friday\n");
            else if(d == 6)
                printf("Saturday\n");
        }
    }
    return 0;
}


B


分数矩阵:HDU - 2133


题目描述:


我们定义如下矩阵:
1/1 1/2 1/3
1/2 1/1 1/2
1/3 1/2 1/1
矩阵对角线上的元素始终是1/1,对角线两边分数的分母逐个递增。
请求出这个矩阵的总和。
 
Input
每行给定整数N (N<50000),表示矩阵为 N*N.当N为0时,输入结束。
 
Output
输出答案,保留2位小数。
 
Sample Input
  
1 2 3 4 0
 
Sample Output
  
1.00 3.00 5.67 8.83


代码:

规律题:由表可看出数据关于对角线对称,所以只需求出一半即可,最后乘以2再把对角线上数据和减去就行了

#include<stdio.h>
int main() {
	int n ;
	while( scanf("%d" , &n ) != EOF ) {
		if( !n ) break ;
		int d = n ;
		double sum = 0 ;
		for(int i=1 ; i<=n ; i++ ) {
			sum += ( 1.0 / i ) * d ;
			d -- ;
		}
		sum *= 2 ;
		sum -= ( 1.0 / 1 ) * n ;
		printf("%.2lf\n" , sum ) ;
	}
	return 0 ;
}


F


共同富裕:HihoCoder - 1619


题目描述:


今天咱们来上一节有意思的思修课,老师要带领大家实现共同富裕。假设有N个人,每个人手里有a1、a2..........an元的钱。每次操作选中一个人ai,剩下的人获得1元。
请问多少次才能实现共同富裕。

例如对于[1, 1, 1, 2, 3]经过3步:[1, 1, 1, 2, 3] -> [2, 2, 2, 3, 3] -> [3, 3, 3, 3, 4] -> [4, 4, 4, 4, 4]。
Input

第一行包含一个整数N。(1 ≤ N ≤ 100000)  
以下N行包含N个整数a1,a2, ... aN。 (1 ≤ ai ≤ 100000)

Output

最小的操作数

Sample Input
5  
1  
1  
1  
2  
3
Sample Output
3


代码:

最小步数应该是每一个数到达最小值之和,小的变成大的,小的+1,变相就是大的-1

#include<bits/stdc++.h>
using namespace std;
int main()
{
    int n,mi=100009 , A[100009] , i ;
    scanf( "%d" , &n ) ;
    for(i=0 ; i<n ; i++ ) {
        scanf( "%d" , &A[i] ) ;
        if( A[i] < mi ) mi = A[i] ;
    }
    long long ans = 0 ;
    for(int i = 0 ; i < n ; i++ ) ans += A[i]-mi ;
    printf( "%lld\n" , ans ) ;
    return 0 ;
}

其他的算水题 ...

(辣鸡编辑器!)

【unet改进实战】基于unet+SCSE注意力机制改进实现的【自动驾驶】图像语义分割+项目说明书+数据集+完整代码 项目概述 本项目基于PyTorch框架构建了一个通用图像分割系统,全面支持二分类及多类别分割任务。 系统功能 该系统提供从数据预处理到模型训练、验证评估的全流程解决方案,具备高度可配置性和实用性: 数据处理:支持自定义图像和掩码文件格式(如.jpg、.png等),自动处理不连续标签值,集成多种数据增强技术提升模型泛化能力 模型架构:基于UNet实现,可通过参数灵活调整输入尺寸、卷积通道数等,兼容不同类别数量的分割任务(通过--num_classes参数指定) 训练功能:支持GPU加速,提供学习率、批次大小等超参数配置选项,实时记录损失曲线和评估指标(如IoU、Dice系数),自动保存最优模型权重 使用流程 按规范组织数据集(图像与掩码文件需名称对应,分别存放在images/masks子目录) 通过命令行参数启动训练,可指定: 数据路径(--data_dir) 学习率(--learning_rate) 标签映射规则(--label_mapping)等 系统输出包含: 模型权重文件(.pth) 训练曲线可视化图表 指标志文件 注意事项 掩码图像应为单通道灰度图,标签值为整数 多分类任务推荐使用one-hot编码掩码 项目依赖主流科学计算库(PyTorch、NumPy)及可视化工具(Matplotlib),安装简便 应用领域 该系统适用于医学影像、遥感等领域的语义分割任务,兼顾易用性与扩展性。用户可通过调整UNet深度或添加注意力机制等方式进一步优化性能。 【项目说明书】包含完整代码实现与原理讲解。https://blog.youkuaiyun.com/qq_44886601/category_12858320.html
内容概要:本文详细介绍了一个基于Python实现的PSO-PNN混合模型项目,旨在通过粒子群优化算法(PSO)优化概率神经网络(PNN)的关键参数(如平滑因子),从而提升数据分类预测的精度与泛化能力。文章阐述了项目背景、目标与意义,分析了在高维复杂数据、样本不均衡、噪声干扰等挑战下的解决方案,并系统介绍了整体架构,包括数据预处理、PSO优化模块、PNN分类模型、适应度函数设计、并行计算优化及性能评估等核心组成部分。文中还提供了关键代码示例,展示了从数据标准化、模型构建到优化训练和性能评估的完整流程。; 适合人群:具备一定Python编程和机器学习基础,从事数据分析、智能算法研究或工程应用的研发人员、研究生及算法爱好者;尤其适合希望深入了解智能优化算法与神经网络融合应用的中级学习者。; 使用场景及目标:①解决PNN模型依赖人工调参的问题,实现平滑因子的自动优化;②提升复杂、高维、小样本或不均衡数据下的分类准确率;③应用于金融风控、医疗诊断、工业故障检测等高精度分类场景;④学习PSO与PNN协同机制及其工程实现方法。; 阅读建议:建议结合文中提供的代码示例与理论描述同步实践,重点关注适应度函数设计、PSO参数配置与交叉验证的集成,调试时注意收敛性与过拟合控制,以深入掌握该复合模型的优化逻辑与应用技巧。
评论 1
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