约瑟夫环。

标题约瑟夫环。

约瑟夫环:(通过指针形式),要求顺序输出出圈的序号以及最后剩下的人。
思路:根据循环单链表存储数据,然后依依删除。

# include <stdio.h>
# include <stdlib.h>
typedef struct Node
{
	int data;
	int num;
	struct Node *next;
};
    struct Node *Create_List(int n)
{
	int c,i=1,j;
	struct Node *rear,*s,*CL;
	CL=(struct Node*)malloc(sizeof(struct Node));
	CL->next=CL;                          
	rear=CL;
	for(j=0;j<n;j++)
	{
		s=(struct Node*)malloc(sizeof(struct Node));
		scanf("%d",&c);
		s->data=c;
		s->num=i;
		i++;
		rear->next=s;
		rear=s;
	}
	rear->next=CL->next ;
	return CL;
}
	struct Node*fun(struct Node *CL,int m)
	{
		int i;
		struct Node *p,*q;
		p=CL;
	for(i=1;i<=m;i++)
	{
		q=p;
		p=p->next;
	}
	printf("%d ",p->num);
	q->next=p->next;
	CL=p;
	return CL;
	}
	void main()
	{
		int n,m,a;
		struct Node*CL;
		printf("请输入m:");
		scanf("%d",&m);
		printf("请输入人数n:");
		scanf("%d",&n);
		printf("请输入每个人的密码:");
		CL=Create_List(n);
		printf("出列的顺序为:");
		CL=fun(CL,m);
		a=n-1;
		while(a!=1)
		{
			CL=fun(CL,CL->data);
			a--;
		}
		printf("\n最后剩下的人:%d",CL->next->num);
		printf("\n"); 
	}

在这里插入图片描述

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或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员或研究员,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。
内容概要:本文系统阐述了企业新闻发稿在生成式引擎优化(GEO)时代下的全渠道策略与效果评估体系,涵盖当前企业传播面临的预算、资源、内容与效果评估四大挑战,并深入分析2025年新闻发稿行业五大趋势,包括AI驱动的智能化转型、精准化传播、首发内容价值提升、内容资产化及数据可视化。文章重点解析央媒、地方官媒、综合门户和自媒体四类媒体资源的特性、传播优势与发稿策略,提出基于内容适配性、时间节奏、话题设计的策略制定方法,并构建涵盖品牌价值、销售转化与GEO优化的多维评估框架。此外,结合“传声港”工具实操指南,提供AI智能投放、效果监测、自媒体管理与舆情应对的全流程解决方案,并针对科技、消费、B2B、区域品牌四大行业推出定制化发稿方案。; 适合群:企业市场/公关负责、品牌传播管理者、数字营销从业者及中小企业决策者,具备一定媒体传播经验并希望提升发稿效率与ROI的专业士。; 使用场景及目标:①制定科学的新闻发稿策略,实现从“流量思维”向“价值思维”转型;②构建央媒定调、门户扩散、自媒体互动的立体化传播矩阵;③利用AI工具实现精准投放与GEO优化,提升品牌在AI搜索中的权威性与可见性;④通过数据驱动评估体系量化品牌影响力与销售转化效果。; 阅读建议:建议结合文中提供的实操清单、案例分析与工具指南进行系统学习,重点关注媒体适配性策略与GEO评估指标,在实际发稿中分阶段试点“AI+全渠道”组合策略,并定期复盘优化,以实现品牌传播的长期复利效应。
### 约瑟夫环问题概述 约瑟夫环(Josephus Problem)是一个经典的数学问题,其描述为:有 $ n $ 个围成一个圈,从第一个开始报数,每次数到 $ m $ 的将被淘汰,然后从下一个重新开始报数,直到只剩下最后一个。该问题的核心目标是找出最后剩下的的位置。 ### 约瑟夫环的数学递推公式 约瑟夫环问题可以通过递推公式进行求解。设 $ f(n, m) $ 表示 $ n $ 个每次数到 $ m $ 时最后剩下的的位置,则递推公式为: $$ f(n, m) = \begin{cases} 0 & \text{当 } n = 1 \\ (f(n-1, m) + m) \% n & \text{当 } n > 1 \end{cases} $$ 其中,结果以 0 为起始编号,若需要以 1 为起始编号,则最终结果为 $ f(n, m) + 1 $ [^1]。 ### 约瑟夫环的 Python 实现 可以使用递归或迭代方法实现约瑟夫环的求解。以下是递归和迭代的 Python 实现代码: #### 递归实现 ```python def josephus_recursive(n, m): if n == 1: return 0 else: return (josephus_recursive(n - 1, m) + m) % n ``` #### 迭代实现 ```python def josephus_iterative(n, m): res = 0 for i in range(2, n + 1): res = (res + m) % i return res ``` #### 示例 ```python n = 7 m = 3 winner_recursive = josephus_recursive(n, m) + 1 winner_iterative = josephus_iterative(n, m) + 1 print("递归方法:最后出列的是第", winner_recursive, "") print("迭代方法:最后出列的是第", winner_iterative, "") ``` ### 约瑟夫环的时间复杂度分析 - **递归方法**:时间复杂度为 $ O(n) $,但由于递归调用栈的限制,可能在 $ n $ 较大时导致栈溢出。 - **迭代方法**:时间复杂度为 $ O(n) $,空间复杂度为 $ O(1) $,适用于较大的输入规模 [^2]。 ### 模拟约瑟夫环的过程 如果需要模拟整个淘汰过程,可以使用列表来模拟环形结构。以下是模拟整个过程的代码: ```python def josephus_simulation(n, m): people = list(range(1, n + 1)) index = 0 eliminated = [] while len(people) > 1: index = (index + m - 1) % len(people) eliminated.append(people.pop(index)) return people[0], eliminated n = 7 m = 3 winner, eliminated_order = josephus_simulation(n, m) print("被淘汰的顺序为:", eliminated_order) print("最后出列的是:", winner) ``` ### 总结 约瑟夫环问题是一个经典的递归与数学结合的问题,可以通过递推公式或模拟方法求解。根据需求不同,可以选择递归、迭代或完整过程模拟的方法来实现。 ---
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