Binary Watch_太阁竞赛A

最新推荐文章于 2024-10-17 14:27:49 发布
原创 最新推荐文章于 2024-10-17 14:27:49 发布 · 533 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#C++ #hihoCoder

本文探讨了一道经典的编程题——二进制手表问题。题目要求根据给定的点亮二进制位数，输出所有可能的时间显示。文章通过具体的代码实现，展示了如何计算并输出这些时间。
题目1 : Binary Watch
时间限制:10000ms
单点时限:1000ms
内存限制:256MB
描述
Consider a binary watch with 5 binary digits to display hours (00 - 23) and 6 binary digits to display minutes (00 - 59).

For example 11:26 is displayed as 01011:011010.  

Given a number x, output all times in human-readable format "hh:mm" when exactly x digits are 1.  


输入
An integer x. (0 ≤ x ≤ 9)  

输出
All times in increasing order.  

样例输入
1
样例输出
00:01  
00:02  
00:04  
00:08  
00:16  
00:32  
01:00  
02:00  
04:00  
08:00  

16:00


【我的程序】

#include <iostream>
using namespace std;

int compt(int x)
{
    int ans=0;
    while (x>0){ if (x%2==1) ans++; x/=2; }
    return ans;
}

int main()
{
    int n,a[60];
    cin>>n;
    for (int i=0;i<=59;i++) a[i]=compt(i);
    for (int i=0;i<=23;i++)
        for (int j=0;j<=59;j++)
            if (a[i]+a[j]==n) cout<<i/10 <<i%10 <<':' <<j/10 <<j%10 <<endl;
    return 0;
}


《kaggle竞赛攻顶秘笈》 | 任务种类 | 任务评价指标 | 评价指标与目标函数 | 评价指标最佳化
liujiesxs的博客
09-23 1148
《kaggle竞赛攻顶秘笈》读书笔记
天池大数据竞赛——糖尿病遗传风险预测赛后总结（二）
ChenHaoUESTC的博客
06-04 7956
天池大数据竞赛——天池精准医疗大赛人工智能辅助糖尿病遗传风险预测赛后总结 天池大数据竞赛官方网址（链接） 六、预测算法 1. LightGBM   LightGBM利用基于histogram的算法，通过将连续特征（属性）值分段为discrete bins来加快训练的速度并减少内存的使用。直方图算法的基本思想：先把连续的浮点特征值离散化成k个整数，同时构造一个宽度为k的直方图。遍...
LeetCode 401. 二进制手表（二进制枚举）
LittleTime_cc的博客
10-13 397
401. 二进制手表 二进制手表顶部有 4 个 LED 代表 小时（0-11），底部的 6 个 LED 代表 分钟（0-59）。 每个 LED 代表一个 0 或 1，最低位在右侧。 例如，上面的二进制手表读取 “3:25”。 给定一个非负整数 n 代表当前 LED 亮着的数量，返回所有可能的时间。 示例 ： 输入: n = 1 返回: [“1:00”, “2:00”, “4:00”, “8:00”, “0:01”, “0:02”, “0:04”, “0:08”, “0:16”, “0:32”]
【Leetcode】401. Binary Watch
业精于勤，荒于嬉
09-18 3188
题目链接：https://leetcode.com/contest/5/problems/binary-watch/题目： A binary watch has 4 LEDs on the top which represent the hours (0-11), and the 6 LEDs on the bottom represent the minutes (0-59).Each LED
Binary Watch
mashuangwe的博客
02-13 196
A binary watch has 4 LEDs on the top which represent the hours (0-11), and the 6 LEDs on the bottom represent the minutes (0-59). Each LED represents a zero or one, with the least significant bit on
import pandas as pd from sklearn.model_selection import train_test_split # 加载数据 off_train = pd.read_csv('ccf_offline_stage1_train.csv') off_test = pd.read_csv('ccf_offline_stage1_test.csv') # 简单的数据清洗 def preprocess(df): # 处理缺失值 df['Distance'].fillna(-1, inplace=True) # 转换日期字段 df['Date_received'] = pd.to_datetime(df['Date_received'], format='%Y%m%d') df['Date'] = pd.to_datetime(df['Date'], format='%Y%m%d') # 提取时间差 df['days_diff'] = (df['Date'] - df['Date_received']).dt.days return df off_train = preprocess(off_train) off_test = preprocess(off_test) # 构建训练集和标签 train_data = off_train.drop(['Coupon_id', 'Date'], axis=1) labels = off_train['Date'].notnull().astype(int) # 核销为1，未核销为0from sklearn.ensemble import GradientBoostingClassifier from sklearn.metrics import roc_auc_score # 划分训练集和验证集 X_train, X_val, y_train, y_val = train_test_split(train_data, labels, test_size=0.2, random_state=42) # 训练 GBDT 模型 gbdt_model = GradientBoostingClassifier(n_estimators=100, learning_rate=0.1, max_depth=5, random_state=42) gbdt_model.fit(X_train, y_train) # 验证模型 y_pred = gbdt_model.predict_proba(X_val)[:, 1] print("GBDT AUC Score:", roc_auc_score(y_val, y_pred))import xgboost as xgb from sklearn.metrics import roc_auc_score # 转换为 DMatrix 格式 dtrain = xgb.DMatrix(X_train, label=y_train) dval = xgb.DMatrix(X_val, label=y_val) # 设置参数 params = { 'booster': 'gbtree', 'objective': 'binary:logistic', 'eval_metric': 'auc', 'max_depth': 6, 'eta': 0.1, 'subsample': 0.8, 'colsample_bytree': 0.7, 'silent': 1 } # 训练模型 watchlist = [(dtrain, 'train'), (dval, 'val')] xgb_model = xgb.train(params, dtrain, num_boost_round=200, evals=watchlist) # 验证模型 y_pred_xgb = xgb_model.predict(dval) print("XGBoost AUC Score:", roc_auc_score(y_val, y_pred_xgb))
最新发布
07-03
### 代码概述 这段代码实现了从数据加载、预处理、特征工程到模型训练和验证的完整机器学习流程。... - `XGBoost`是一个优化的分布式梯度提升库，设计用于速度和性能，广泛应用于机器学习竞赛和工业应用中。
数据竞赛Baseline方案分享:助力数据科学爱好者快速入门
m0_56734068的博客
10-17 783
在数据竞赛中,Baseline通常指的是一种基础的解决方案或模型。相对简单,容易理解和实现性能一般,有较大的优化空间为参赛者提供一个起点和参考Baseline帮助初学者快速入门,了解问题的基本解决思路为参赛者提供一个基准,用于评估自己方案的优劣促进知识分享,推动整个数据科学社区的进步数据竞赛的Baseline方案为初学者提供了宝贵的学习资源,也为经验丰富的参赛者提供了创新的基础。通过学习和改进这些Baseline,参赛者可以不断提升自己的数据科学技能,在竞赛中取得更好的成绩。
xgb_python算法_xgboost_xgboost二分类_源码
10-02
XGBoost（Extreme Gradient Boosting）是一种高效、灵活且可扩展的梯度提升框架，尤其在机器学习竞赛和实际应用中广受青睐。本篇文章将深入探讨如何使用Python进行XGBoost二分类算法的实现，并结合源码分析其工作...
【LeetCode】401 Binary Watch （java实现）
weixin_33895604的博客
10-21 219
2019独角兽企业重金招聘Python工程师标准>>> ...
Binary Watch 二进制手表
qq_26410101的博客
07-24 486
二进制手表顶部有 4 个 LED 代表小时（0-11），底部的 6 个 LED 代表分钟（0-59）。 每个 LED 代表一个 0 或 1，最低位在右侧。 例如，上面的二进制手表读取 “3:25”。 给定一个非负整数 n 代表当前 LED 亮着的数量，返回所有可能的时间。 案例: 输入: n = 1 返回: ["1:00", "2:00", "4:00", "8:00", "0:0...
401. Binary Watch
学习应该是一个长链接
06-06 239
A binary watch has 4 LEDs on the top which represent the hours (0-11), and the 6 LEDs on the bottom represent the minutes (0-59).Each LED represents a zero or one, with the least significant bit on th...
leetcode_[python/java/javascript/C++]_401_Binary Watch（二进制手表）
Mosen
11-11 845
题目链接 【题目】 A binary watch has 4 LEDs on the top which represent the hours (0-11), and the 6 LEDs on the bottom represent the minutes (0-59). Each LED represents a zero or one, with the least signifi
#ifndef BINARYTREE_H #define BINARYTREE_H是什么意思
06-10
### C++中 `#ifndef`, `#define` 的作用及用法 在C/C++中，`#ifndef`, `#define` 是预处理指令，用于控制头文件的包含行为，防止头文件被多次包含。这种机制通常被称为 **头文件保护** 或 **多重包含防护**。 #### 1. 防止头文件重复包含 当一个头文件被多个源文件包含时，可能会导致编译器重复定义符号的问题。例如，如果头文件中定义了某个结构体或函数声明，并且该头文件被多次包含，编译器会报错，提示重复定义[^1]。 ```c #ifndef BINARYTREE_H #define BINARYTREE_H typedef int ElementType; typedef struct BI_TREE_T { ElementType value; struct BI_TREE_T *lChild; struct BI_TREE_T *rChild; } BI_TREE; extern void binary_tree_main_test(void); #endif ``` - `#ifndef BINARYTREE_H`: 检查是否已经定义了宏 `BINARYTREE_H`。如果没有定义，则继续执行后续代码。 - `#define BINARYTREE_H`: 定义宏 `BINARYTREE_H`，以标记该头文件已被包含。 - `#endif`: 结束条件编译块。 通过这种方式，确保头文件的内容仅被编译一次，避免重复定义问题。 #### 2. 宏名的选择 宏名通常是头文件名的大写形式，带有 `_H` 后缀（如 `BINARYTREE_H`）。这是一种常见的命名约定，有助于快速识别头文件对应的宏。 #### 3. 示例：头文件保护的作用 假设有以下两个文件： **binary_tree.h** ```c #ifndef BINARYTREE_H #define BINARYTREE_H typedef int ElementType; typedef struct BI_TREE_T { ElementType value; struct BI_TREE_T *lChild; struct BI_TREE_T *rChild; } BI_TREE; extern void binary_tree_main_test(void); #endif ``` **main.c** ```c #include "binary_tree.h" #include "binary_tree.h" // 再次包含头文件 int main() { binary_tree_main_test(); return 0; } ``` 即使 `binary_tree.h` 被包含两次，由于头文件保护的存在，其内容只会被编译一次[^1]。 #### 4. 单调队列中的头文件保护 在引用[2]中，虽然没有直接展示头文件保护，但在实际开发中，单调队列相关的代码也可以封装到头文件中，并使用类似的保护机制。例如： ```c #ifndef MONOTONIC_QUEUE_H #define MONOTONIC_QUEUE_H void Max(int n, int k, int a[]); void Min(int n, int k, int a[]); #endif ``` 这可以确保单调队列的功能声明不会被重复包含[^2]。 ### 总结 `#ifndef` 和 `#define` 的组合是C/C++中常用的头文件保护机制，能够有效避免头文件被多次包含导致的编译错误。通过合理选择宏名并遵循命名规范，可以使代码更加清晰和易于维护。
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
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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