2020 GDUT Winter Personal Training ContestⅠ(div.2) --- E

E — Repeating Ciphe

原题链接:https://codeforces.com/group/5yyKg9gx7m/contest/265863/problem/E

题目大意:

有几个字符s1,s2,s3,…,si,(1<i<10)可以这样加密,对于第i个字符重复i次,形成新的字符串。比如coop可加密成 c oo ooo pppp(中间空格是让读者可观,实际并不存在)。通过给出已经加密的字符串,问原来字符串是什么。

题目分析:

这道题很简单的,读懂了题目意思直接一个循环就可以了。先取第一个字符,(加1)然后取第二个,(加2)取第四个,(加3)取第七个…直到结束。

代码实现:

#include <iostream>
#include <cstdio>

using namespace std;

int main()
{
    char str[60];//原加密字符串
    char s[60];//答案字符串
    int n;
    int i, j;
    scanf("%d",&n);
    scanf("%s",str);
    j=0;
    //每次取第1,第2,第4,第7...
    for(i=0; i<n; i+=j){
        s[j++] = str[i];
    }
    s[j] = '\0'; //注意末尾补上结束符(不是字符串输出可不加)
    printf("%s\n",s);//字符串输出
    return 0;
}

最后希望路过的dl能给予改进的建议!

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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