【小米oj】硬币排序

 1 #define mm(a) memset(a,0,sizeof(a));
 2 #define max(x,y) (x)>(y)?(x):(y)
 3 #define min(x,y) (x)<(y)?(x):(y)
 4 #define Fopen freopen("1.in","r",stdin); freopen("m.out","w",stdout);
 5 #define rep(i,a,b) for(int i=(a);i<=(b);i++)
 6 #define per(i,b,a) for(int i=(b);i>=(a);i--)
 7 #include<bits/stdc++.h>
 8 typedef long long ll;
 9 #define PII pair<ll,ll>
10 using namespace std;
11 const int INF=0x3f3f3f3f;
12 const int MAXN=(int)2e5 + 5;
13 const ll mod=1e9+7;
14 
15 char s[MAXN];
16 int a,b,c;
17 int main() {
18     scanf("%s",s);
19     for(int i=0; s[i]; i++)
20         if(s[i]=='a')a++;
21         else if(s[i]=='b')b++;
22         else c++;
23     for(int i=1;i<=a;i++)printf("a");
24     for(int i=1;i<=b;i++)printf("b");
25     for(int i=1;i<=c;i++)printf("c");
26     printf("\n");
27     return 0;
28 }

 

转载于:https://www.cnblogs.com/dogenya/p/10816018.html

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。; 适合人群: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人员或研究人员,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。
### SWUST OJ排序实现与题目解析 堆排序是一种基于二叉堆数据结构的选择排序算法,其时间复杂度为 \(O(n \log n)\),具有较高的效率。以下是关于 SWUST OJ 中涉及的堆排序问题及其 C++ 实现的具体分析。 #### 题目描述 根据提供的引用[^1]和[^2],SWUST OJ 的第 1015 题要求实现堆排序的核心部分——构建最大堆并完成一趟堆调整的过程。输入一组整数数组,通过调用 `sift` 函数逐步将无序序列构建成一个最大堆,并最终输出调整后的结果。 --- #### 核心函数解析 ##### 构建最大堆的关键逻辑 在堆排序中,核心操作是对树形结构中的节点进行下沉调整(即 `siftDown` 或称为筛选)。该过程确保父节点始终大于等于子节点,从而满足最大堆性质。 以下是从引用中提取的代码片段: ```cpp void sift(int a[], int i, int n) { int j = i * 2; // 左孩子索引 int top = a[i]; // 当前根节点值暂存 while (j <= n) { // 子节点存在的情况下执行循环 if (j < n && a[j] > a[j + 1]) j++; // 找到左右孩子中较大的那个 if (top < a[j]) { // 如果当前根节点小于较大子节点,则交换位置 a[i] = a[j]; i = j; j = i * 2; } else break; // 否则说明已经满足最大堆性质,退出循环 } a[i] = top; // 将原根节点放置到正确的位置 } ``` 此函数的作用是自顶向下调整以维护最大堆特性[^1]。 --- #### 完整实现代码 下面是完整的堆排序实现代码,适用于 SWUST OJ 的需求场景: ```cpp #include <iostream> using namespace std; // 调整堆的函数 void sift(int a[], int i, int n) { int j = i * 2; // 左孩子索引 int top = a[i]; // 当前根节点值暂存 while (j <= n) { // 子节点存在的情况下执行循环 if (j < n && a[j] > a[j + 1]) j++; // 找到左右孩子中较大的那个 if (top < a[j]) { // 如果当前根节点小于较大子节点,则交换位置 a[i] = a[j]; i = j; j = i * 2; } else break; // 否则说明已经满足最大堆性质,退出循环 } a[i] = top; // 将原根节点放置到正确的位置 } int main() { int n; cin >> n; // 输入数组长度 int a[n + 1]; // 数组大小设置为 n+1,方便从下标 1 开始存储 for (int i = 1; i <= n; ++i) cin >> a[i]; // 输入待排序数组 // 自底向上构建初始堆 for (int i = n / 2; i >= 1; --i) { sift(a, i, n); } // 输出调整后的堆 for (int i = 1; i <= n; ++i) cout << a[i] << " "; return 0; } ``` 上述代码实现了从输入的一组随机整数出发,将其转换成最大堆的形式,并按顺序打印出来[^2]。 --- #### 进一步优化建议 虽然以上代码能够解决基本问题,但在实际应用中可以考虑以下几个方面来提升性能或可读性: 1. **动态内存分配**:对于不确定规模的数据集,推荐使用标准库容器如 `std::vector<int>` 替代固定大小数组。 2. **模板化设计**:使堆排序支持多种数据类型而不仅限于整型。 3. **边界条件处理**:增加对极端情况(如空数组、单元素数组)的鲁棒性测试。 --- ###
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