约瑟夫环问题

约瑟夫环,看上去简单,实现起来有一定的难度,很早知道用循环链表实现,今天尝试用数组实现,的确是费了一番功夫;

总结如下,思考的多,代码编写起来容易,简单的多。几乎不思考,实现的笨办法考虑多种情况。今天实在数组循环计数栽了,每当数据计数变化的时候,一定要判断检查数组是否越界访问。

还有一种数学递归办法,相当于一个数学表达式,实在是Amazing, 不得不惊叹数学的伟大之处。



代码如下,

#include <iostream>
using namespace std;

int main()
{
	int i,j,k;//i 数组循环变量,j报数数字,k记录归零的数目
	int len;
	int m;
	cin>>len>>m;
	int *list = new int[len];
	for (i=0;i<len;i++)
		list[i]=i+1;

	for (k=0,j=1,i=0;k<len-1;)
	{
		if (list[i]==0)
		{	
			i++;
			if (i==len)
				i=0;
			continue;
		}
		if (j==m)
		{
			list[i]=0;
			k++;
			j=0;
		}
		i++;j++;
		if (i==len)
			i=0;
	}
	for ( i=0;i<len;i++)
	{
		if (list[i]!=0)
		{
			cout<<list[i]<<endl;
		}
	}
	return 0;
}


数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
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