UVALive 6269 Digital Clock --枚举,模拟

本文介绍了一种通过观察数字钟显示的变化来诊断其故障的方法。该算法通过对比正常时间和故障时间的显示序列,推断出哪些部件可能已损坏。文章详细展示了如何编写代码实现这一逻辑,并分享了作者在解决问题过程中的思考和总结。

题意:说不清楚,自己看吧,太恶心。

这题真是SB了,当时看了一下以为乱搞就好了,于是开始动手拍,结果拍了好几个小时都没拍出来,而且越想越想不通,直接把自己绕进去了,结果gg了。

总结:甭管什么题,想清楚了再拍。其实当初绕进去的时候,应该换个思路重新来一遍更好

解法:枚举时间从00:00~23:59,数字显示用7位01串表示,如图:

,每次检查与给出的观察序列是否能够逻辑一致。

关键在check部分,这部分我都写了注释了,应该比较易懂了。

代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <cstdlib>
#include <cmath>
#include <algorithm>
#include <string>
#include <vector>
using namespace std;
#define N 100007

string num[12] = {"1110111","0010010","1011101","1011011",
"0111010","1101011","1101111","1010010","1111111","1111011"};

struct node
{
    int mi,sec;
    node(int _mi,int _sec)
    {
        mi = _mi;
        sec = _sec;
    }
    node(){}
}p[56];
int h1[5][8],h2[5][8],broken[5][8];
vector<node> ans;

int get(int *a,int n)
{
    for(int i=0;i<7;i++)
        a[i] = num[n][i] - '0';
}

void add(node &x,int val)
{
    x.sec += val;
    x.mi += x.sec/60;
    x.mi%=24;
    x.sec%=60;
}

void getH1(node ka)         //观察的
{
    memset(h1,0,sizeof(h1));
    get(h1[0],ka.mi/10);
    get(h1[1],ka.mi%10);
    get(h1[2],ka.sec/10);
    get(h1[3],ka.sec%10);
}

void getH2(node ka)         //枚举的
{
    memset(h2,0,sizeof(h2));
    get(h2[0],ka.mi/10);
    get(h2[1],ka.mi%10);
    get(h2[2],ka.sec/10);
    get(h2[3],ka.sec%10);
}

bool check()
{
    int i,j;
    for(i=0;i<4;i++)
    {
        for(j=0;j<7;j++)
        {
            if(h1[i][j] == 0 && h2[i][j] == 1) //观察到没有,现在枚举到有 -> 坏了
            {
                if(broken[i][j] == 0)  //还不知道坏没坏
                    broken[i][j] = -1;  //定义为坏了
                else if(broken[i][j] == 1)  //与前面矛盾
                    return false;
            }
            else if(h1[i][j] == 1 && h2[i][j] == 0) //观察到有,枚举的没有,那么这个枚举的不行
                return false;
            else if(h1[i][j] == 1 && h2[i][j] == 1) //都有
            {
                if(broken[i][j] == 0)  //还未定义好坏
                    broken[i][j] = 1;  //肯定是好的
                else if(broken[i][j] == -1)  //前面说坏了,矛盾
                    return false;
            }
        }
    }
    return true;
}

int main()
{
    int n,i,j;
    while(scanf("%d",&n)!=EOF)
    {
        for(i=0;i<n;i++)
            scanf("%d:%d",&p[i].mi,&p[i].sec);
        ans.clear();
        for(int H=0;H<=23;H++)
        {
            for(int M=0;M<=59;M++)
            {
                node tmp;
                tmp.mi = H,tmp.sec = M;
                int flag = 1;
                memset(broken,0,sizeof(broken));
                for(i=0;i<n;i++)
                {
                    node now = tmp;
                    add(now,i);
                    getH1(p[i]);
                    getH2(now);
                    if(!check())
                    {
                        flag = 0;
                        break;
                    }
                }
                if(flag)
                    ans.push_back(node(H,M));
            }
        }
        if(ans.size() == 0)
            puts("none");
        else
        {
            printf("%02d:%02d",ans[0].mi,ans[0].sec);
            for(i=1;i<ans.size();i++)
                printf(" %02d:%02d",ans[i].mi,ans[i].sec);
            puts("");
        }
    }
    return 0;
}
View Code

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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