51Nod 1080 两个数的平方和

本文介绍了一种高效算法,用于解决在1e9数据规模下寻找能够表示为两个数平方和的问题。算法通过先对输入数开方减少数据量,然后在[0, sqrt(number)]区间内进行二分查找,找到符合条件的两个数。利用map容器确保输出结果的正确排序并去重。

看到1e9的数据基本排除了暴力的可能。一个数如果能被两个数的平方和表示的话,那这两个数一定不会超过他的平方根。所以基本思路就是先给输入的这个数开方,减少数据量,枚举 0 到 sqrt(number) ,再对[0,sqrt(number)] 这个区间二分找是否存在这样的数使他的平方加上之前枚举的那个数的平方和等于number。需要注意的一点是根据在前面的个数小的顺序输出,并要去重。根据map容器的一一对应关系并且内部自动排序,可以使用map容器同时完成这两个工作。代码如下:

#include <cstdio>
#include <iostream>
#include <algorithm>
#include <string>
#include <cstring>
#include <cmath>
#include <stack>
#include <vector>
#include <map>
#include <set>
#include <queue>
#include <utility>
#define ll long long
#define ull_ unsigned long long

using namespace std ;

int n ;

int searh_Binary( int begin_ , int end_ , int num ){
    int l = begin_ , r = end_ ;
    while ( l < r ){
        int mid = ( l + r ) >> 1 ;
        int index_one = mid * mid ;
        int index_two = num * num ;
        if ( index_one + index_two == n ){
            return mid ;
        }else if ( index_one + index_two < n ){
            l = mid + 1 ;
        }else{
            r = mid ;
        }
    }
    return -1 ;
}

int main(){
    cin >> n ;
    int num = (int)sqrt(n) ;
    int index ;
    bool check = false ;
    map<int , int> map_ ;
    for ( int i = 0 ; i <= num ; i ++ ){
        index = searh_Binary( 0 , num , i ) ;
        if ( index != -1 ){
            map_[min(i , index)] = max(i , index) ;
            check = true ;
        }
    }
    if ( !check ){
        cout << "No Solution" << endl ;
    }else{
        map<int , int>::iterator it ;
        for ( it = map_.begin() ; it != map_.end() ; it ++ ){
            cout << it->first << " " << it->second << endl ;
        }
    }
    return 0 ;
}

转载于:https://www.cnblogs.com/Cantredo/p/9751747.html

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,是为了梳理总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),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)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