PTA 5-13 日K蜡烛图 (15分)

股票价格涨跌趋势,常用蜡烛图技术中的K线图来表示,分为按日的日K线、按周的周K线、按月的月K线等。以日K线为例,每天股票价格从开盘到收盘走完一天,对应一根蜡烛小图,要表示四个价格:开盘价格Open(早上刚刚开始开盘买卖成交的第1笔价格)、收盘价格Close(下午收盘时最后一笔成交的价格)、中间的最高价High和最低价Low。

如果Close<<Open,表示为“BW-Solid”(即“实心蓝白蜡烛”);如果Close>>Open,表示为“R-Hollow”(即“空心红蜡烛”);如果Open等于Close,则为“R-Cross”(即“十字红蜡烛”)。如果Low比Open和Close低,称为“Lower Shadow”(即“有下影线”),如果High比Open和Close高,称为“Upper Shadow”(即“有上影线”)。请编程序,根据给定的四个价格组合,判断当日的蜡烛是一根什么样的蜡烛。

输入格式:

输入在一行中给出4个正实数,分别对应Open、High、Low、Close,其间以空格分隔。

输出格式:

在一行中输出日K蜡烛的类型。如果有上、下影线,则在类型后加上with 影线类型。如果两种影线都有,则输出with Lower Shadow and Upper Shadow

输入样例1:

5.110 5.250 5.100 5.105

输出样例1:

BW-Solid with Lower Shadow and Upper Shadow

输入样例2:

5.110 5.110 5.110 5.110

输出样例2:

R-Cross

输入样例3:

5.110 5.125 5.112 5.126

输出样例3:

R-Hollow


import java.util.Scanner;

public class Main{
	public static void main(String[] args) {
		float open, close, high, low;
		Scanner scanner = new Scanner(System.in);

		open = scanner.nextFloat();
		high = scanner.nextFloat();
		low = scanner.nextFloat();
		close = scanner.nextFloat();

		String resultString;
		if (close < open) {
			resultString = "BW-Solid";
			if ((low < close && low < open) && (high > close && high > open)) {
				resultString = resultString
						+ " with Lower Shadow and Upper Shadow";
				System.out.println(resultString); 
				return;
			}
			
			if (low < close && low < open) {
				resultString = resultString + " with Lower Shadow";
				System.out.println(resultString); 
				return;
			}
			if (high > close && high > open) {
				resultString = resultString + " with Upper Shadow";
				System.out.println(resultString); 
				return;
			}
			

		} else if (close > open) {
			resultString = "R-Hollow";
			if ((low < close && low < open) && (high > close && high > open)) {
				resultString = resultString
						+ " with Lower Shadow and Upper Shadow";
				System.out.println(resultString); 
				return;
			}
			
			if (low < close && low < open) {
				resultString = resultString + " with Lower Shadow";
				System.out.println(resultString); 
				return;
			}
			if (high > close && high > open) {
				resultString = resultString + " with Upper Shadow";
				System.out.println(resultString); 
				return;
			}
		} else {
			resultString = "R-Cross";
			if ((low < close && low < open) && (high > close && high > open)) {
				resultString = resultString
						+ " with Lower Shadow and Upper Shadow";
				System.out.println(resultString); 
				return;
			}
			
			if (low < close && low < open) {
				resultString = resultString + " with Lower Shadow";
				System.out.println(resultString); 
				return;
			}
			if (high > close && high > open) {
				resultString = resultString + " with Upper Shadow";
				System.out.println(resultString); 
				return;
			}
		}
		System.out.println(resultString);
	}
}


### 关于 PTA 5-3 多段最短路径问题 多段的最短路径问题是经典的动态规划问题之一。其核心思想是从目标状态出发,逐步向前计算每一段的状态转移方程,最终得到起点到终点的最小代价。 以下是基于 C 语言实现的一个解决方案: #### 动态规划思路 定义 `dp[i][j]` 表示从第 i 层到达 j 结点的最短路径长度。初始条件为最后一层的所有结点的距离为其自身的权值。对于其他层,则通过递推关系更新最优解: \[ dp[i][j] = \min(dp[i][j], dp[i+1][k] + w[j,k]) \] 其中 \(w[j, k]\) 是从结点 \(j\) 到结点 \(k\) 的边权重[^1]。 #### 输入处理 输入通常包括以下几个部: 1. 的层数以及每一层的结点数量。 2. 每一层之间的连接矩阵及其对应的权重。 #### 输出结果 输出从起始结点到终止结点的最短路径长度。 --- ### C语言代码实现 ```c #include <stdio.h> #include <stdlib.h> #define INF 999999999 // 寻找数组中的最小值索引 int findMinIndex(int *arr, int size) { int minIdx = 0; for (int i = 1; i < size; ++i) { if (arr[minIdx] > arr[i]) { minIdx = i; } } return minIdx; } void solveShortestPath(int **graph, int layers, int nodes[], int startLayer, int endLayer) { int totalNodes = 0; // 计算总节点数并初始化 DP 数组 for (int i = 0; i < layers; ++i) { totalNodes += nodes[i]; } int *dp = (int *)malloc(totalNodes * sizeof(int)); for (int i = 0; i < totalNodes; ++i) { dp[i] = INF; } // 初始化最后一步的 DP 值 int offset = 0; for (int l = layers - 1; l >= 0; --l) { if (l == layers - 1) { // 最后一层 for (int j = 0; j < nodes[l]; ++j) { dp[offset + j] = graph[offset + j][offset + j]; // 自身权值作为初值 } } else { for (int j = 0; j < nodes[l]; ++j) { for (int k = 0; k < nodes[l + 1]; ++k) { if (graph[offset + j][offset + k + nodes[l]] != INF && dp[offset + k + nodes[l]] != INF) { if (dp[offset + j] > dp[offset + k + nodes[l]] + graph[offset + j][offset + k + nodes[l]]) { dp[offset + j] = dp[offset + k + nodes[l]] + graph[offset + j][offset + k + nodes[l]]; } } } } } offset += nodes[l]; } printf("The shortest path length is %d\n", dp[startLayer]); free(dp); } int main() { int layers; scanf("%d", &layers); int *nodes = (int *)malloc(layers * sizeof(int)); for (int i = 0; i < layers; ++i) { scanf("%d", &nodes[i]); } int totalNodes = 0; for (int i = 0; i < layers; ++i) { totalNodes += nodes[i]; } int **graph = (int **)malloc(totalNodes * sizeof(int *)); for (int i = 0; i < totalNodes; ++i) { graph[i] = (int *)malloc(totalNodes * sizeof(int)); for (int j = 0; j < totalNodes; ++j) { graph[i][j] = INF; } } // 构建邻接矩阵 for (int layer = 0; layer < layers - 1; ++layer) { for (int u = 0; u < nodes[layer]; ++u) { for (int v = 0; v < nodes[layer + 1]; ++v) { int weight; scanf("%d", &weight); graph[u + sumOfPreviousLayers(layer)][v + sumOfPreviousLayers(layer + 1)] = weight; } } } solveShortestPath(graph, layers, nodes, 0, nodes[0]); return 0; } ``` 上述程序实现了多段最短路径的核心逻辑,并利用了动态规划的思想来优化复杂度。 --- ### 注意事项 1. 需要特别注意输入格式的设计,尤其是如何表示不同层次间的连接关系。 2. 如果某些边不存在,可以将其权重设置为无穷大(如本例中的 `INF`),以便在比较过程中自动忽略这些不可达的情况。 ---
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

打赏作者

胡宝全

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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