题目 1972: 最大数字

数字图像处理原图_数字图像处理领域的“女主”竟然是...... 只要接触过数字图像处理的小伙伴们肯定对这张图片熟悉不过了,这张女孩的测试图像有相对复杂的细节和纹理,同时也有大片的平滑区域。用于测试算法比较理想。学习数字图像处理的过程中肯定用这张图片测试过无数次代码,由于小编过于好奇,就是想探究一下这张图片的来源。没想到不查不要紧,这回又有数字图像处理领域的一段佳话了。该女孩称得上是数字图像处理领域的“女主”。下边是一个利用该图像处理的实验结果现在先看... 阅读详情

时间限制: 1Sec 内存限制: 128MB

题目描述:(原题链接)

给你一个整数 n,使得从 n 中删除 k 个数字之后的数字最大。


输入:

输入一个整数 n (0 <= n <= 10^100),和需要删除数字 k <= 100的个数

样例输入:

1432219 3


输出:

输出删除k个数字之后的最大整数

样例输出 :

4329


解题思路:

     链表存储,每次记录最大的数字,循环查找并替换

注意事项:

     注意条件判断的位置

参考代码:

import java.util.LinkedList;
import java.util.Scanner;
public class Main {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        String s = in.next();
        int n = in.nextInt();
        in.close();    
        int a[] = new int[s.length()];     
        for(int i=0;i<s.length();i++){
            char temp =s.charAt(i);
            a[i] = temp -'0';//不减去‘0’则会获得Ascii码 
        }  
        LinkedList<Integer> linkedList = new LinkedList<Integer>();
        for(int i=0;i<a.length;i++){
            linkedList.add(a[i]);
        }      
        int flag =0;
        while(flag<n){
            for(int i=0;i<linkedList.size()-1;i++){
                if(linkedList.get(i)<linkedList.get(i+1)){
                    linkedList.remove(i);//使用链表移出元素
                    flag++;            
                    break;//结束本次循环,跳转到while循环中
                }
                //考虑到特殊情况,当遍历完全部数字都不满足条件,从末尾删除数字
                if(i==linkedList.size()-2){
                    linkedList.removeLast();
                    flag++;
                 
                }
            }
        }
        for(int i=0;i<linkedList.size();i++){          
            System.out.print(linkedList.get(i));
        }
    }
}

删数问题给定n 位正整数a,去掉其中任意k≤n 个数字后,剩下的数字按原次序排列组成一个 删数问题 Description 给定n 位正整数a,去掉其中任意k≤n 个数字后,剩下的数字按原次序排列组成一个 新的正整数。对于给定的n位正整数a 和正整数k,设计一个算法找出剩下数字组成的新数 最小的删数方案。 «编程任务: 对于给定的正整数a,编程计算删去k个数字后得到的最小数。 Input 由文件input.txt提供输入数据。文件的第1 行是1 个正整数a。第2 行是正整数k。 Output 程序运行结束时,将计算出的最小数输出到文件output.txt中。 Sample Input 178543 4 Sample Output 13 立即下载

相关推荐

MPC-CBF 控制原理详解

假设系统满足如下离散时间动力学模型xt1fxtutxt∈Xut∈Uxt1​fxt​ut​xt​∈Xut​∈Uxtx_txt​:状态变量,定义域为可行状态集X⊆RnX⊆Rnutu_tut​:控制输入,定义域为控制约束集U⊆RmU⊆Rm系统需满足安全约束,由如下控制障碍函数(CBF)hX→RhX→RCx∈X∣hx≥0C:=x∈X∣hx≥。

m0_54691290的博客 1179

算法学习——贪心算法之删数字(求最小值)

算法描述 在给定的n位数字,删除其中的k位数字( k < n),使得最后的n-k为数字为最小值(原次序不变) 算法思路 考虑到是要移出数字,我们使用链表设计此算法较为方便,链表可以直接移出某个位置的元素 使用贪心算法,每一步都要达到最优 从最高位开始,若下一位比上一位要小,则将上一位的数字移出,结束之后再次从最高位开始 这里需要注意,会有特例 当输入从小到大的的一个数的时候,上述算法...

weixin_30877227的博客 670

FreeCAD MCP实战:用AI自然语言驱动CAD建模与自动化

在计算机辅助设计(CAD)领域,参数化建模和自动化脚本是提升设计效率的核心技术。其原理在于通过程序化指令控制三维模型的创建与修改,从而将设计意图转化为精确的几何实体。这种技术价值在于显著降低重复性操作成本,实现快速原型迭代和设计探索。在应用场景上,它尤其适用于需要频繁调整尺寸、生成系列化零件或执行规则化建模任务的工程与产品设计。本文聚焦的FreeCAD MCP项目,正是这一理念的先进实践。它通过集成Model Context Protocol(MCP),构建了一个连接Claude AI与FreeCAD的智能

weixin_26913055的博客 723

贪心算法应用

给定一个n位正整数a, 去掉其中k个数字后按原左右次序将组成一个新的正整数。对给定的a, k寻找一种方案,使得剩下的数字组成的新数最小。 提示:应用贪心算法设计求解 操作对象为n位正整数,有可能超过整数的范围,存储在数组a中,数组中每一个数组元素对应整数的一位数字。 在整数的位数固定的前提下,让高位的数字尽量小,整数的值就小。这就是所要选取的贪心策略。 每次删除一个数字,选择一个使剩下的数...

ccccc49813645075的博客 1207

2021.11.23 Covins 多机器人单目协同建图 跑Euroc数据集 更新

近日,一直在调试如何使用Covins跑通数据集,因为是初学者,所以很多bug出来的时候原理都不懂,只能复制——百度——尝试解决的过程。 现分享一下近日的结果以及与Covins作者帮助解答的一些问题。 使用代码行跑依次跑Euroc多数据集 这里的意思是使用作者提供的covins_examples文件夹中的euroc_examples_mh123_vigba.sh文件,这个文件是将三个Euroc数据集依次运行,跑完第一个数据集,第二个数据集运行的时候在第一个数据集生成地图的基础上继续绘制,由于我只下载了两个数据

qq_42614598的博客 2474

从Level 1到Level 22:手把手带你用Burp Suite通关burp-labs靶场全关卡(附难点解析)

本文详细解析了如何使用Burp Suite通关burp-labs靶场的22个关卡,从基础爆破到复杂编码绕过,涵盖Intruder配置、响应过滤、POST请求处理、MD5爆破等关键技术。特别针对Level 16的三重编码和Level 20的中文响应处理等难点提供实战技巧,帮助渗透测试工程师提升Web安全实战能力。

weixin_28831461的博客 435

贪心算法+实例:删掉K个数后最小的数字+leetcode402

图片来自:程序员小灰(微信公众号) 在求解最优化问题时通常在每个步骤都要面临多种选择。对于某些情况,使用动态规划算法来求最优解十分浪费时间空间复杂度,可以使用更简单高效的贪心算法。 贪心算法在每一步看起来都是当时最佳的选择。意思是,它总是做出局部最优的选择,希望该选择能导致全局最优。虽然贪心算法并不一定能求得最优解。 贪心算法建议通过一系列的步骤来构造问题的解,每一步对目前构...

qq249356520的博客 1395

用LangFuse+LangChain打造可观测的AI应用:从埋点到成本监控实战

本文详细介绍了如何将开源可观测性平台LangFuse深度集成到基于LangChain构建的AI应用中,特别是电商客服机器人场景。通过从基础SDK集成、提示词管理到成本监控的完整实战,帮助开发者实现对LLM应用内部工作流的清晰追踪、问题排查与费用分析,从而打造稳定、可控的生产级AI应用。

dapp9builder的博客 711

对于给定的整数,求出删除该整数中的一个数字后得到的最小值

对于给定的整数,求出删除该整数中的一个数字后得到的最小值. 比如,1214 ,去掉2,得到的结果是114为最小值.     算法: 删除数字中的极大值( 左边的数字递增,右边紧邻的数字是减少的或者本身为最后一位。例如:1214 中的2 ;  122543中的5; 1334中的4)   证明:假设极大值为第i位,记为X[i].分2种情况, 1 。如果删除 i 左边的某位记第j位,即删除...

wss71104307 982

Mac上快速部署DeepSeek模型:Ollama终端操作全指南

本文详细介绍了在Mac上使用Ollama终端快速部署DeepSeek模型的完整指南。从硬件要求、Ollama安装、模型下载运行,到高级配置、可视化界面及常见问题解决,提供了全流程操作步骤与优化技巧,帮助开发者高效搭建本地AI助手,实现稳定、私密的离线使用体验。

weixin_29251567的博客 550

用R搞定生态溯源:MixSIAR贝叶斯混合模型从安装到出图的保姆级教程

本文提供了一份详细的MixSIAR贝叶斯混合模型教程,涵盖从R环境配置、数据预处理到模型参数设置和可视化分析的完整流程。通过实战案例和常见问题解决方案,帮助生态学研究者快速掌握混合模型在生态溯源中的应用,提升数据分析效率。

weixin_42531516的博客 466

删去k个数字后的最小值(贪心算法思想实现)

题目: 给出一个整数,从该整数中去掉k个数字,要求剩下的数字形成的新整数尽可能小。 解题思路: 这道题我们可以通过依次求得局部最优解,最终得到全局最优解,使用贪心算法的思想。 即将去掉k个数字后求所剩下的数字形成的新整数的最小值转变为求k次去掉1个数字后形成的最小值; 这时我们不仅要考虑数字的大小,也要考虑数字的位置;具体就是从高位开始遍历整数,如果发现某一位数字大于它右边的数字,那么在删除该数字后,必然会使该数位的值降低,并且获得的新数为删除1位后的最小值。 代码实现: /** * 删

qq_42339210的博客 929

opencode完整使用指南:从安装配置到Agent式编程实战

AI编程工具正从辅助补全向智能体协作演进。编程智能体不仅理解项目全局,还能自主执行原子级重构、测试验证等工程任务,显著提升研发效能。以opencode为代表的开源终端AI编程工具,凭本地优先和灵活模型接入成为技术团队新宠。本文围绕opencode的完整使用链路展开,从Node.js环境准备、npm全局安装,到解决Windows环境变量配置问题,再到接入OpenAI、Anthropic或多模型管理平台,梳理一套标准化接入方案。同时演示VSCode插件调用、LSP语义分析及Playwright驱动的浏览器自动化

weixin_28837817的博客 319

蓝桥杯:1972 最大数字

问题 1972: 最大数字 时间限制: 1Sec 内存限制: 128MB 提交: 112 解决: 32 题目描述 给你一个整数 n,使得从 n 中删除 k 个数字之后的数字最大。 输入 输入一个整数 n (0 &lt;= n &lt;= 10^100),和需要删除数字 k &lt;= 100的个数 输出 输出删除k个数字之后的最大整数 样例输入 1432219 3 样例输出 4329 提示 无...

qq_41247335的博客 543

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

最大数字 题解 (删除k个数字----贪心)

                                               问题 1972: 最大数字 时间限制: 1Sec 内存限制: 128MB 提交: 104 解决: 27 题目描述 给你一个整数 n,使得从 n 中删除 k 个数字之后的数字最大。 输入 输入一个整数 n (0 &lt;= n &lt;= 10^100),和需要删除数字 k &lt;= 100...

Five—菜鸟级的博客 5805

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

[SDOI2009]HH的项链--洛谷P1972(树状数组+离线+前缀和+排序)

题目链接https://www.luogu.org/problem/P1972 题目背景 无 题目描述 HH 有一串由各种漂亮的贝壳组成的项链。HH 相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH 不断地收集新的贝壳,因此,他的项链变得越来越长。有一天,他突然提出了一个问题:某一段贝壳中,包含了多少种不同的贝壳?这个问题很难回答……因为项链实...

孤风的博客 369

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

LX1972光电传感器应用指南:从原理到Arduino环境光检测实践

光电传感器是将光信号转换为电信号的核心器件,其工作原理基于光电效应,通过内部的光电二极管将入射光子能量转换为微弱的电流信号。为了处理这些信号,传感器内部通常集成了跨阻放大器等信号调理电路,将电流线性地放大为电压输出,这一过程是许多智能感知系统的基础。在嵌入式开发与物联网应用中,稳定的模拟信号采集至关重要,这涉及到模数转换器(ADC)的精度、软件滤波算法(如移动平均滤波)以及抗干扰的电路设计。这些技术共同实现了对环境光照的精确感知与反馈控制,广泛应用于智能照明、环境监测与自适应设备中。本文以LX1972这一集

weixin_30847939的博客 359

【洛谷】P1972 HH的项链

HH有一串由各种漂亮的贝壳组成的项链。HH相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH不断地收集新的贝壳,因此,他的项链变得越来越长。有一天,他突然提出了一个问题某一段贝壳中,包含了多少种不同的贝壳?于是,他只好求助睿智的你,来解决这个问题。出现了多次,我们只保留在本次询问区间里的最后一次。这样应答询问只需要求树状数组维护的数组的区间。行,每行一个整数,依次表示询问对应的答案。这样树状数组维护的数组里,视。每次将树状数组里的位置。,表示HH询问的个数。...

数学、算法爱好者的博客 563

洛谷P1972 [SDOI2009]HH的项链

题目描述   P1972 [SDOI2009]HH的项链   HH 有一串由各种漂亮的贝壳组成的项链。HH 相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH 不断地收集新的贝壳,因此,他的项链变得越来越长。   有一天,他突然提出了一个问题:某一段贝壳中,包含了多少种不同的贝壳?这个问题很难回答…… 因为项链实在是太长了。于是,他只好求助睿智的你,来解决这个问题。 输入格式 一行一个正整数nnn,表示项链长度。 第二行nnn个正整数aia_iai​,表示项链中第

m0_46161993的博客 286

P1972 [SDOI2009]HH的项链 区间查询

P1972 [SDOI2009]HH的项链 题目描述 HH 有一串由各种漂亮的贝壳组成的项链。HH 相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH 不断地收集新的贝壳,因此,他的项链变得越来越长。有一天,他突然提出了一个问题:某一段贝壳中,包含了多少种不同的贝壳?这个问题很难回答……因为项链实在是太长了。于是,他只好求助睿智的你,来解决这个问题。...

c___c18的博客 579

Luogu_P1972 HH的项链

题目链接 Luogu_1972 HH的项链 题目描述 HH 有一串由各种漂亮的贝壳组成的项链。HH 相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH 不断地收集新的贝壳,因此,他的项链变得越来越长。 有一天,他突然提出了一个问题:某一段贝壳中,包含了多少种不同的贝壳?这个问题很难回答…… 因为项链实在是太长了。于是,他只好求助睿智的你,来解决这个问题。 输入格式 一行一个正整数 n,表示项链长度。 第二行 n 个正整数 a_i ,表示项链中第 i 个贝壳的种类。

Galaxy_Engineer的博客 201

P1972 [SDOI2009]HH的项链//树状数组 +离线

P1972 [SDOI2009]HH的项链 LINK https://www.luogu.org/problem/P1972 提交 35.65k 通过 7.08k 时间限制 1.00s 内存限制 500.00MB 题目提供者 lych 难度 提高+/省选- 历史分数 0 提交记录 查看题解 标签 各省省选 山东 O2优化 高性能 2009 相关讨论 进入讨论版 推荐题目 展开 题目背景 无 题目描...

Up Panda 189

P1972 [SDOI2009]HH的项链 树状数组+离线

P1972 [SDOI2009]HH的项链 树状数组+离线 文章目录题目描述输入格式输出格式题解 题目描述 HH 有一串由各种漂亮的贝壳组成的项链。HH 相信不同的贝壳会带来好运,所以每次散步完后,他都会随意取出一段贝壳,思考它们所表达的含义。HH 不断地收集新的贝壳,因此,他的项链变得越来越长。 有一天,他突然提出了一个问题:某一段贝壳中,包含了多少种不同的贝壳?这个问题很难回答…… 因为项链实在是太长了。于是,他只好求助睿智的你,来解决这个问题。 输入格式 一行一个正整数 n,表示项链长度。 第二行 n

hrdate(菜菜菜带带带) 298

阿里研究院安筱鹏:数字化,转型与原生并行

近日,在钉钉“数字新生”2022制造业钉峰会上,阿里巴巴研究院副院长安筱鹏发表《进化:成为数字原生企业》的主题演讲。安筱鹏认为:数字化转型不是把技术武装到牙齿,而是把数字技术融入企业的基因,开启一场永无止境的能力进化之旅。下文为演讲内容主摘要。 数字化永远是一场增量革命 谁是上个世纪最伟大的CIO? 1992年美国《计算机世界》为了纪念创刊25周年,评选出了25年来IT行业里改变世界的25位先驱,美国航空公司(AA)CIO Max Hopper入选: Max Hopper于1972年加入美国航空(AA),

云布道师 765

用c语言怎么求最大公约数,c语言求最大公约数

c语言求最大公约数[编辑]概述c语言是一种计算机编程语言,该语言的优势在于任何环境都能运行并能达到简易的方式编译、处理低级存储器和产生少量的机器码等效果。c语言是一种计算机编程语言,该语言的优势在于任何环境都能运行并能达到简易的方式编译、处理低级存储器和产生少量的机器码等效果。一、简介中文名:C语言外文名:The C Programming Language类别:计算机程序设计语言创始人:Denn...

weixin_29711757的博客 2404
上一篇: 题目 1966: [蓝桥杯][算法提高VIP]林丹大战李宗伟
下一篇: 题目 1982: [蓝桥杯][算法提高VIP]幸运顾客
Valois
博客等级 码龄8年 74粉丝 147原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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