uva11520 填充正方形

本文介绍了一个关于在一个nxn的网格中填写字母的问题,要求相邻格子的字母不同,并确保字典序最小。通过从左到右、从上到下依次给空格填充最小可能的字母来实现。

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

在一个n x n的网格中填了一些大写字母,要求把剩下的格子也填上大写字母,使得任意两个相邻格子的字母不同。
如果有多个解,按要求从上到下、从左到右的顺序把所有格子连接起来的字典序最小。

分析:
1.“从上到下、从左到右”其实就是把每行看成一个字符串,然后从上到下连接,得到一个长长的字符串。所以我们只需要从左到右、从上到下依次给空格填上最小可能的字母即可。
2.这里直接暴力就可以。

#include<cstdio>
#include<cstring>

const int maxn = 10 + 5;
char grid[maxn][maxn];
int n;

int main()
{
    int T;
    scanf("%d", &T);
    for (int kase = 1; kase <= T; kase++)
    {
        scanf("%d", &n);
        for (int i = 0; i < n; i++)
            scanf("%s", grid[i]);
        for (int i = 0; i < n; i++)
            for (int j = 0; j < n; j++)
                if (grid[i][j] == '.')    //没有填过字母的
                {
                    for (char ch = 'A'; ch <= 'Z'; ch++)
                    {
                        bool ok = true;
                        if (i > 0 && grid[i - 1][j] == ch)
                            ok = false;
                        if (i < n - 1 && grid[i + 1][j] == ch)
                            ok = false;
                        if (j > 0 && grid[i][j - 1] == ch)
                            ok = false;
                        if (j < n - 1 && grid[i][j + 1] == ch)
                            ok = false;
                        if (ok)
                        {
                            grid[i][j] = ch;
                            break;
                        }
                    }
                }
        printf("Case %d:\n", kase);
        for (int i = 0; i < n; i++)
            printf("%s\n", grid[i]);
    }
    return 0;
}
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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