soj 1239. Smallest Differencev

本文介绍了一种通过贪心算法解决数字组合问题的方法,旨在从给定的若干个不重复的数字中找出两组数字,使得这两组数字的差值最小。文章详细解释了针对不同数量数字的具体解法,并提供了完整的C++实现代码。

题意:

给定n(2 <= n <= 10)个不重复的十进制数字('0'-'9'),让这n个数字不重复使用地构成两个数,使这两个数的差的绝对值最小。

比如,0 1 2 4 6 7,构成176 和 204 能使差最小为28。

思路:

贪心。分情况讨论。

1)是有奇数个数的话,那么,选择非零的最小的数字作为较大数的最高位,最后一位数字作为较小数的最高位,然后较大数从后往前取次位,较小数从前往后取次位。

如0 1 2 4 5 7 8,较大数的最高位就是1(次高位可以直接判断出来是0),较小数的次高位就是8,然后依次取,得到(10,8),(102,87),(1024,875),就能得到答案。

2)是有2个数的话,那么直接两个数相减就能得到答案。

3)非2个的偶数个数,这是比较麻烦的一种情况,首先必须使最高位的差最小,就可以遍历一遍找到最高位的差的最小值。然后再遍历一遍,对每一对最高位的差为最小值的两个数进行枚举,较小数的最高位为较小的那个数,较大数的最高位为较大的那个数,较大数的次位从前往后取,较小数的次位从后往前取。

如1 3 5 7,最高位的差为2,枚举所有的最高位的差为2 的数对(1,3),(3,5),(5,7)。然后取次位,分别得到(1,3)-> (17,35)= 18,(3,5)-> (37,51)= 14,(5,7)-> (53,71)= 18,比较得到答案为14。

注意:

读入数据的时候可以用stringstream或其他。

代码:

#include <iostream>
#include <sstream>
#include <algorithm>
#include <cstring>
using namespace std;
int t, n, num[10], a, b, ans;
string data;
int main()
{
	ios::sync_with_stdio(false);
	cin >> t;
	getline(cin, data);
	while (t --)
	{
		getline(cin, data);
		n = 0;
		stringstream sin(data);
		while (sin >> num[n++]);
		n --;
		sort(num, num+n);
		if (n == 2) ans =  num[1]-num[0];
		else
		{
			if (n & 1)
			{
				a = num[0]==0 ? num[1]*10 : num[0]*10+num[1];
				b = num[n-1];
				for (int i = 0; i < (n-3)/2; ++ i)
				{
					a = 10*a + num[i+2];
					b = 10*b + num[n-i-2];
				}
				ans = a-b;
			}
			else
			{
				int mp = num[0]==0 ? 1 : 0;
				int md = num[mp+1] - num[mp];
				for (int i = mp+1; i < n-1; ++ i)
				{
					if (num[i+1]-num[i] < md)
						md = num[i+1]-num[i];
				}
				bool vis[10];
				ans = 1000000000;
				for (int i = mp; i < n-1; ++ i)
				{
					if (num[i+1]-num[i] == md)
					{
						memset(vis, false, sizeof(vis));
						vis[i] = vis[i+1] = true;
						a = num[i+1]; b = num[i];
						for (int l=0,h=n-1; h>l; )
						{
							while (l<n && vis[l]) l ++;
							while (h>0 && vis[h]) h --;
							if (l < h)
							{
								vis[l] = vis[h] = true;
								a = 10*a + num[l];
								b = 10*b + num[h];
							}
						}
						if (ans > a-b) ans = a-b;
					}
				}
			}
		}
		cout << ans << "\n";
	}
}

内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息队列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
数字图像隐写术是一种将秘密信息嵌入到数字图像中的技术,它通过利用人类视觉系统的局限性,在保持图像视觉质量的同时隐藏信息。这项技术广泛应用于信息安全、数字水印和隐蔽通信等领域。 典型隐写技术主要分为以下几类: 空间域隐写:直接在图像的像素值中进行修改,例如LSB(最低有效位)替换方法。这种技术简单易行,但对图像处理操作敏感,容易被检测到。 变换域隐写:先将图像转换到频域(如DCT或DWT域),然后在变换系数中嵌入信息。这类方法通常具有更好的鲁棒性,能抵抗一定程度的图像处理操作。 自适应隐写:根据图像的局部特性动态调整嵌入策略,使得隐写痕迹更加分散和自然,提高了安全性。 隐写分析技术则致力于检测图像中是否存在隐藏信息,主要包括以下方法: 统计分析方法:检测图像统计特性的异常,如直方图分析、卡方检测等。 机器学习方法:利用分类器(如SVM、CNN)学习隐写图像的区分特征。 深度学习方法:通过深度神经网络自动提取隐写相关特征,实现端到端的检测。 信息提取过程需要密钥或特定算法,通常包括定位嵌入位置、提取比特流和重组信息等步骤。有效的隐写系统需要在容量、不可见性和鲁棒性之间取得平衡。 随着深度学习的发展,隐写与反隐写的技术对抗正在不断升级,推动了这一领域的持续创新。
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