Master-Mind Hints UVa340 排序&&查找

本文介绍了一种解决Master Mind游戏的算法实现。通过先排序再逐位比较的方法,计算出每轮猜测中正确位置(Strong)及正确数字但位置错误(Weak)的数量。此算法适用于编程竞赛等场景。
Root :: Problem Set Volumes :: Volume III     
340 - Master-Mind Hints
先排序比较,然后再按原顺序比较。weak=总共相同的数 - strong.
水题一道。
#include <iostream>
#include <cstdio>
#include <cstdlib>
#include <algorithm>
#include <string.h>
using namespace std;
#define N 1005
int secret[N],guess[N],s_t[N],g_t[N];

int main(){
#ifndef ONLINE_JUDGE
	freopen("340in.txt","r",stdin);
#endif
	int n,i,j,sum,ce=0,total,strong;
	while (scanf("%d",&n)!=EOF&&n){
		ce++;
		for (i=0;i<n;i++){
			scanf("%d",&secret[i]);
			s_t[i]=secret[i];
		}
		sort(s_t,s_t+n);
		printf("Game %d:\n",ce);
		while (true){
			sum=0;
			for (i=0;i<n;i++){
				scanf("%d",&guess[i]);
				sum+=guess[i];
				g_t[i]=guess[i];
			}
			if (!sum)
				break;
			sort(g_t,g_t+n);
			total=0;
			for (i=0,j=0;i<n&&j<n;){
				if (s_t[i]==g_t[j]){
					i++;
					j++;
					total++;
				}
				else if (s_t[i]<g_t[j])
					i++;
				else j++;
			}
			strong=0;
			for (i=0,j=0;i<n&&j<n;i++,j++){
				if (secret[i]==guess[j])
					strong++;
			}
			printf("    (%d,%d)\n",strong,total-strong);
		}
	}
	return 0;
}


内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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