usaco section1.2 Transformations

本文通过一道简单的算法题,强调了良好的代码结构对于提高编程效率、减少调试时间的重要性,并分享了作者在实践中总结出的一些常见错误及其解决方案。
一道水题,但是水题也有水题的价值,我主要想通过这道题说下算法题解题时良好的代码结构的重要性。

当时在刷题的时候,刷题的速度异常的慢,然后我就统计了一下时间,3个小时,大概一般能刷3-4题,每道题写代码的时间大概在20-30分钟左右,而调试的时间在30-50左右。也就是说,调试的时间其实大大超过了写代码的时间,这其实是相当不利的,因为在每道题debug结束之后,我发现往往出错的地方不是算法的错误,而是各种各样的小错误,而这些错误,其实是完全可以避免的,我之后也将我每道题的错误原因都统计了下来。(以下排名主要按照出现次数。。。)

1.循环变量:
当嵌套结构过长,不注意的话可能就会重复使用当前的循环变量,而且大家又都喜欢用i,j。。一不注意就会出现同时用两个i作为循环变量,又或者将循环变量赋值为其它变量。
2.变量未初始化:
这个也比较常见,常见于全局变量中
3.标记数组忘记重置
这个常见于枚举以及图论的题中,这种题目往往会有bool  used[]数组,而这种数组尤其要当心当前是否要对其进行重置
4.if语句后面忘记加花括号
这个错误不多说。。。
......

以上列举的错误都很低级,但不可否认的是,这种低级错误却成了我的bug中的主力军,而且这些错误一旦出现,寻找起来其实异常的艰难,因为它们都是极其容易被人忽视的。它们的出现其实也不是偶然,只要代码长度一长,这些错误基本上很难避免。

对于这些bug,我之后首先在写代码的时候,都会有针对性的去避免这些问题,比如循环变量,变量是否初始化,我都会尤其注意。除了这个,在看刘汝佳的代码的时候,发现他的代码尤其简洁,结构精巧。例如在函数的使用方面,这一块是否要使用函数?如果使用函数如何分配它的参数,它的返回值?返回值是什么类型,作用是什么?参数传递的类型是值传递还是引用传递?参数是用函数传递好还是直接用全局变量好?所以在写一道题后,再去看刘汝佳给出的代码时,我很难想到这儿可以这么写,而他的代码量往往都是我的代码量的一半。所以我觉得要减少bug的出现,简洁且良好的代码结构可能才是最重要的手段,首先,精简的代码比冗长的代码产生bug的几率更小,再从调试代码的角度看,精简的代码更容易找到bug,从我的角度来看寻找bug的难度是随代码量的增长而指数增长的。。

这道题不难,只要进行简单的逻辑操作就行了,但是当时调试的时间是我写代码时间的两倍,主要原因就是代码结构太差了。
/*
ID:cnzhang1
LANG:C++
TASK:transform
*/
#incldue<bits/stdc++.h>
using namespace std;

#define MAX_N 1000
char square[MAX_N][MAX_N];
char tmp1[MAX_N][MAX_N];  //用来保存
char tmp2[MAX_N][MAX_N];  //用来比较
int n;

int turn_90(){
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			 tmp2[j][n-i+1] = tmp1[i][j];
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			tmp1[i][j] = tmp2[i][j];
	return 1;
}

int equal(){
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			if(square[i][j]!=tmp2[i][j])
				return 0;
	return 1;
}

int turn_line(){
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			tmp2[i][n-j+1] = tmp1[i][j];
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			tmp1[i][j] = tmp2[i][j];
	return 1;
}


int main(){
	freopen("transform.in","r",stdin); freopen("transform.out","w",stdout);
	cin>>n;
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			cin>>tmp1[i][j],tmp2[i][j] = tmp1[i][j];
	for(int i=1;i<=n;i++)
		for(int j=1;j<=n;j++)
			cin>>square[i][j];
	for(int i=0;i<3;i++){
		if(turn_90()&&equal()){
			cout<<i+1<<endl;
			return 0;
		}
	}
	if(turn_90()&&turn_line()&&equal())
		cout<<4<<endl;
	else if(turn_90()&&equal()||turn_90()&&equal()||turn_90()&&equal())
		cout<<5<<endl;
	else if(turn_90()&&turn_line()&&equal())
		cout<<6<<endl;
	else
		cout<<7<<endl;
}












内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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