杭电ACM step2.1.6整数对

Problem Description

Gardon和小希玩了一个游戏,Gardon随便想了一个数A(首位不能为0),把它去掉一个数字以后得到另外一个数B,他把A和B的和N告诉了小希,让小希猜想他原来想的数字。不过为了公平起见,如果小希回答的数虽然不是A,但同样能达到那个条件(去掉其中的一个数字得到B,A和B之和是N),一样算小希胜利。而且小希如果能答出多个符合条件的数字,就可以得到额外的糖果。
所以现在小希希望你编写一个程序,来帮助她找到尽可能多的解。
例如,Gardon想的是A=31,B=3 告诉小希N=34,
小希除了回答31以外还可以回答27(27+7=34)所以小希可以因此而得到一个额外的糖果。

Input

输入包含多组数据,每组数据一行,包含一个数N(1<=N<=10^9),文件以0结尾。

Output

对于每个输入的N,输出所有符合要求的解(按照大小顺序排列)如果没有这样的解,输出"No solution."

Sample Input

34
152
21
0

Sample Input

27 31 32
126 136 139 141
No solution.

思路

一开始可以想到暴力求解,但是一算时间,发现会超时,然后我就想加一些约束条件,但是……并没有用,并且很麻烦。
然后就搜了一下,发现了以下思路

abc a=去掉位前的数(可能不止一位) b是去掉位 c去掉位后面的数(可能不止一位)
N=X+Y;X是原数, Y是去掉一个数之后的数
X=a*(K+1)^10 +b* K^10+c; Y=a* K+c;
N=(11a+b)* K^10+2*c; 此式唯一的变量为K
反解 a=(N/K^10)/11; b=(N/K^10)-11 *a; c=(N-b *K^10 -a * 11 *K^10)/2;
由于反解利用了b是一位数字的条件,故在判断的时候应该加上
别忘了避免重复!!!输出时的if语句不能少

代码实现

#include<cstdio>
#include<cstring>
#include<algorithm>		//里面有排序函数 
#include <iostream>
using namespace std;	//不能不写,排序函数在此空间中 

int main()
{
	int n;

	while (scanf("%d", &n) != EOF && n)
	{
		int a, b, c, num[100];		//num存储的为可能的数字 
		int i = 0, k;				//k表示的变量,这个变量也是表达式中唯一可变的量,其他量可以求出 

		for (k = 1; k <= n; k *= 10)
		{
			a = (n / k) / 11;
			b = n / k - 11 * a;

			//不进位	a==0,b==0则不用算,因为没有在数内部 
			if ((a != 0 || b != 0) && b < 10)
			{
				c = (n - b * k - 11 * a * k) / 2;
				if (2 * c + b * k + 11 * a * k == n)
				{
					num[i] = c + b * k + 10 * a * k;
					i++;
				}
			}
			//进位
			b--;
			if ((a != 0 || b != 0) && b >= 0)
			{
				c = (n - b * k - 11 * a * k)/2;
				if (2 * c + b * k + 11 * a * k == n)
				{
					num[i] = c + b * k + 10 * a * k;
					i++;
				}
			}

		}

		if (i)
		{
			sort(num, num + i);
			printf("%d", num[0]);
			for (int j = 1; j < i; j++)
			{
				if(num[j]!=num[j-1])
					printf(" %d", num[j]);
			}
			printf("\n");
		}
		else
			printf("No solution.\n");

	}

	return 0;
}

感受

有时候我们可以根据题目的条件列出表达式,然后计算完后在写算法,不必要非要模拟过程

支持向量机回归SVR)是一种常见的机器学习算法,可以用于对输入变量和输出变量之间的非线性关系进行建模和预测。在Matlab中,可以使用SVR进行输入输出的回归分析。 首先,需要准备相关的数据集,包括输入和输出的数据。输入数据应该是一个矩阵,每一行代表一个样本的输入,每一列代表一个特征。同样,输出数据也应该是一个矩阵,每一行代表一个样本的输出,每一列也代表一个特征。 然后,使用Matlab中的svr函数进行建模和预测svr函数的语法如下: mdl = fitrsvm(X,Y,'KernelFunction',kernel,'KernelScale',kscale) 其中,X是输入数据,Y是输出数据,kernel是核函数类型(比如径向基函数),kscale是核函数的缩放因子。返回的mdl是一个SVR模型对象,可以用于后续的预测。 使用SVR模型进行预测非常简单,只需要使用predict函数,如下所示: y_pred = predict(mdl,X) 其中,y_pred是模型预测的输出值,X是输入数据。 需要注意的是,SVR模型的核函数类型和缩放因子对预测结果影响很大,在建模和预测时需要进行调优。可以使用Matlab中的crossval函数进行交叉验证,以评估模型的性能和选择最佳的参数组合。 总之,使用Matlab实现SVR输入输出的回归分析非常简单,只需要准备好数据,选择合适的核函数类型和缩放因子,即可建立预测模型
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