1083. List Grades (25)

本文介绍了一种使用C++实现的学生信息管理系统中的功能——根据指定的分数范围查询学生信息。通过构建一个包含101个节点的学生数组,利用学生的分数作为数组下标,实现了高效查询特定分数段内学生姓名及ID的功能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1.题目提到各个同学的分数是唯一的,所以可以采用分数作为下标,直接建立101个学生节点,即0~100分

2.然后根据最高分限制和最低分限制,筛选出学生进行输出


//#include<string>
//#include <iomanip>
//#include<stack>
//#include<unordered_set>
//#include <sstream>
//#include "func.h"
//#include <list>
#include<unordered_map>
#include<set>
#include<queue>
#include<map>
#include<vector>
#include <algorithm>
#include<stdio.h>
#include<iostream>
#include<string>
#include<memory.h>
#include<limits.h>
#include<stack>
using namespace std;
struct StudentNode{
	string id, name;
	StudentNode() :id(""), name(""){};
};
int main(void)
{
	vector<StudentNode> student(101);
	int n;
	cin >> n;
	for (int i = 0; i < n; i++)
	{
		int grade;
		string name, id;
		cin >> name >> id >> grade;
		student[grade].name = name;
		student[grade].id = id;
	}
	int minGrade , maxGrade;
	cin >> minGrade >> maxGrade;
	vector<StudentNode> ans(0);
	for (int i = maxGrade; i >= minGrade; i--)
	{
		if (student[i].name!="")
		{
			ans.push_back(student[i]);
		}
	}

	if (ans.size() == 0)
		cout << "NONE" << endl;
	else
	{
		for (int i = 0; i < ans.size(); i++)
			cout << ans[i].name << " " << ans[i].id << endl;
	}

	return 0;
}


内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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