交叉排序 sdut oj 1591

FastReport 报表合计数 FastReport 报表合计数,通常情况下都是在数据尾显示合计数, 但是如果要将合计数放在报表头,不能将合计字段拖到表头的,否则它会显示为0,因为FastReport是自从上往下输出数据的,是需要写脚本来实现。 在beforeprint 事件里,循环数据源,将合计数输出在报表头上来。 立即下载

交叉排序

Time Limit: 1000MS Memory limit: 32768K

题目描述

输入N个数,把所有奇数位置上的数从小到大排序,把偶数位置上的数从大到小排序。

输入

输入的第一行是一个正整数N(2<=N<=100)。
第二行是N个用空格隔开的整数。

输出

输出只有一行N个数,是按要求排序后的序列,用空格隔开。

示例输入

6
1 2 3 4 5 6

示例输出

1 6 3 4 5 2

提示

 

来源

2011软件1-5班《程序设计基础》机试 tongjiantao

示例程序

#include <bits/stdc++.h>

using namespace std;

int main()
{
    int n;
    int a[110];
    scanf("%d", &n);
    for(int i =0; i < n; i++)
    scanf("%d", &a[i]);
    for(int i = 0; i < n-1; i+=2)
    {
        for(int j = 0; j < n-i-2; j+=2)
        {
            if(a[j] > a[j+2])
            {
                int t = a[j];
                a[j] = a[j+2];
                a[j+2] = t;
            }
        }
    }

     for(int i = 1; i < n-1; i+=2)
    {
        for(int j = 1; j < n-i-1; j+=2)
        {
            if(a[j] < a[j+2])
            {
                int t = a[j];
                a[j] = a[j+2];
                a[j+2] = t;
            }
        }
    }
    for(int i = 0; i < n; i++)
        if(i != n-1)
        printf("%d ", a[i]);
    else
        printf("%d\n", a[i]);
    return 0;
}



均线交叉指标.mq4 【漆天编程】最牛逼的均线交叉指标,做出了EA历史数据测试器的效果。这是一个做趋势的指标, 两根均线交叉, 在开仓点和平仓点把中间的差价表现出来了,还有最近2000根K线(这个数可以自己调整)一共产生了多少个交叉信号,一共有多少个盈利的信号,多少个亏损的信号,最大连续亏损多少次,最大连续盈利多少次,盈利最多的信号盈利了多少,亏损最多的信号亏损了多少。 立即下载

相关推荐

FastReport交叉报表

FastReport交叉表功能,用的Win8.1 + XE5 + FastReport4环境。 Delphi XE5自带的Fastreport不完整,是从网上重新下的。。 主要用到FastReport的 frxCrossObject 控件,很方便。 在设计报表时,直接拖动数据字段就可以。

报表生成器FastReport .Net用户指南:表格式报告

本文将介绍报表生成器FastReport .Net中表格式报告部分,欢迎查阅~

励志做最业余的专业博主,控件产品可以私我~ 1892

vue3 web项目引入高拍仪

高拍仪的引入步骤就两步,安装SDK,然后根据官网的api进行开发。根据自己需要的功能,请求对应的接口。

qq_42480170的博客 4118

SDUT 1591-交叉排序(Arrays.sort)

交叉排序 Time Limit: 1000ms   Memory limit: 32768K  有疑问?点这里^_^ 题目描述 输入N个数,把所有奇数位置上的数从小到大排序,把偶数位置上的数从大到小排序。 输入 输入的第一行是一个正整数N(2 第二行是N个用空格隔开的整数。 输出 输出只有一行N个数,是按要求排序后的序列,用空

Orz~~Orz 1774

飞书多维表格省钱攻略:1个专业版账号,全员合规用、权限全掌控

像运动馆、 托管班、作业辅导、少儿美术、书法、口才班等等。对于大多数中小团队而言,飞书多维表格的核心需求是“协作高效、数据可控、成本可控”,而“1个专业版账号+多联系人”的模式,恰好完美契合这三点——既不用为不必要的席位付费,又能解锁全部专业功能,还能通过精细化权限管控保障数据安全。尤其是餐饮店、乒乓球训练馆这类个体经营或小型团队,人员分工清晰、权限需求明确,采用这种模式能最大化节省成本,同时提升管理效率。无需复杂的配置,无需额外的技术支持,5分钟就能搭建起全员协作的省钱体系。

涛涛讲AI 2227

别再只会用QTcpSocket了!手把手教你用QSslSocket为你的Qt网络应用加上SSL/TLS加密(附完整代码示例)

本文详细介绍了如何将Qt网络应用从QTcpSocket迁移到QSslSocket,实现SSL/TLS加密传输。通过对比API差异、解析核心机制和提供完整代码示例,帮助开发者快速掌握安全网络编程技巧,有效防范数据窃听和中间人攻击等安全风险。

weixin_30654583的博客 400

FastReport.Net 常用功能总汇

一.常用控件 文本框:输入文字或表达式 表格:设置表格的行列数,输入数字或表达式 子报表:放置子报表后,系统会自动增加一个页面,你可以在此页面上设计需要的报表。系统在打印处理时,先按主报表打印,当碰到子报表时会自动转入子报表的页面进 行打印处理,完成后继续执行主报表打印的工作,所以我们又称之为嵌套报表。 复选框:根据布尔表达...

weixin_30687811的博客 1467

frp内网穿透(socks隧道)

在实验过程中还是遇到了挺多的问题,但好在大多都解决了。不过还是遗留了一些不懂的问题,等以后再慢慢研究了。最后,以上仅为个人的拙见,如何有不对的地方,欢迎各位师傅指正与补充,有兴趣的师傅可以一起交流学习。

2301_76227305的博客 1万+

算法基础-交叉排序

交叉排序-sort 答案: 这里自己定义下标为1开始计算 #include <iostream> #include <algorithm> using namespace std; int A[100005];//开大一点 int main() { int N,l1,r1,l2,r2; cin>>N>>l1>>r1>>l2>>r2; for(int i = 1;i<=N;i++)//使用1-N更加方便 {

chase_2414616363 380

基于WebRTC的现代在线视频会议系统设计与实现

本文详细介绍了如何使用Java和WebRTC技术构建一个完整的在线视频会议系统。我们将从WebRTC的基础原理讲起,逐步深入到信令服务器设计、媒体服务器配置、前后端实现以及高级功能的开发。文章包含大量代码示例和架构图,旨在为开发者提供一套完整的视频会议解决方案。关键词:WebRTC、视频会议、Java、Spring Boot、信令服务器、STUN/TURN、媒体服务器:获取摄像头和麦克风访问权限:处理点对点连接和流传输:实现浏览器之间的任意数据交换。

2201_76125393的博客 189

《网络安全自学教程》- MySQL脱库原理和步骤

MySQL脱库,脱库的原理,怎么脱库,脱库的步骤,一库三表六字段

wangyuxiang946的博客 1万+

SDUT OJ 1591交叉排序

交叉排序 Time Limit: 1000MS Memory limit: 32768K 题目描述 输入N个数,把所有奇数位置上的数从小到大排序,把偶数位置上的数从大到小排序。 输入 输入的第一行是一个正整数N(2 第二行是N个用空格隔开的整数。 输出 输出只有一行N个数,是按要求排序后的序列,用空格隔开。 示例输入

公子世无双的博客 483

32GB Jetson Orin SOM 不能刷机问题排查

拿到了一个新的Orin SOM,当用orin Devkit CVB或定制的CVB不能用Linux_For_Tegra刷机,flash日志(JetPack5.0DP和5.0.1DP都失败了) 2. 确认mb2配置中将CVB的eeprom读取大小设置是否为0 ? 已经确认是正常的 在定制的orin cvb flash上使用Orin devkit som,启动是成功的。但新得到的Orin som并不工作可以排除理由:使用Orin Devkit CVB和Orin SOM(不是Devkit SOM)仍然不能

jzwjzw19900922的博客 1499

SDUT1591交叉排序

http://acm.sdut.edu.cn/sdutoj/showproblem.php?pid=1591&cid=1187 1 #include<cstdio> 2 #include<cstring> 3 #include<cstdlib> 4 #include<iostream> 5 #include<...

weixin_30624825的博客 125

【Claude】Not logged in 错误:未登录状态的判断与 /login 认证路径 bug报错已解决

login 是首选修复:大多数 "Not logged in" 只需重新执行 /login检查系统时间:时间偏差是 Token 验证失败的常见原因避免密钥库被清理:将 Claude Code 添加到系统清理工具的白名单企业环境用 API Key:如果组织禁用 OAuth,使用 API Key 认证区分凭证类型:理解 Not logged in(无凭证)vs Invalid key(有但无效)

博客 7315

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

SDUTOJ 1591 交叉排序

  交叉排序   输入N个数,把所有奇数位置上的数从小到大排序,把偶数位置上的数从大到小排序。 Input 输入的第一行是一个正整数N(2&lt;=N&lt;=100)。 第二行是N个用空格隔开的整数。 Output 输出只有一行N个数,是按要求排序后的序列,用空格隔开。 Sample Input 6 1 2 3 4 5 6 Sample Output 1 6 3 4 5...

weixin_41031401的博客 277

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

SDUTOJ(1591)交叉排序

交叉排序Time Limit: 1000 ms Memory Limit: 32768 KiB Submit Statistic Discuss Problem Description输入N个数,把所有奇数位置上的数从小到大排序,把偶数位置上的数从大到小排序。Input输入的第一行是一个正整数N(2&lt;=N&lt;=100)。第二行是N个用空...

朕与众爱卿皆瞠目结舌的博客 429

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

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")

交叉排列

输入一行 k 个用空格分隔开的整数,依次为 n1, n2 … nk。请将所有下标不能被 3 但可以被 2 整除的数在这些数字原有的位置上进行升序排列,此外,将余下下标能被 3 整除的数在这些数字原有的位置上进行降序排列。 输出包括一行,与输入相对应的若干个整数,为排序后的结果,整数之间用空格分隔。 t = raw_input().split(' ') n =

YeeChing_Tiger的博客 1131

排列的字典序问题

排列的字典序问题 Time limit: 1000MS    Memory limit: 32768K Total Submit: 104    Accepted: 38 问题描述:n个元素{1,2,, n }有n!个不同的排列。将这n!个排列按字典序排列,并编号为0,1,…,n!-1。每个排列的编号为其字典序值。例如,当n=3时,6 个不同排列的字典序值如下:字典序值

HomePage的专栏 3053

sort排序实战——交叉排序 (原来之前我对sort的理解还是有错误)

交叉排序 蒜头君很无聊,他想对数组中的某些元素进行排序。 现在我们有N个数,他想先将数组中第l1​到第r1​的数字按从小到大的顺序排序。再将数组中第l2​到第r2​的数字按从大到小的顺序排序。 我们帮他算一算数组排序后的结果吧~ 输入格式 第一行五个整数 N,l1​,r1​,l2​,r2​,其中 0&lt;l1​&lt;r1​&lt;N,0&lt;l2​&lt;r2​...

大芝士球的博客 1137

排列组合 交叉组合 组合排列算法

20180619一,交叉组合排列算法:1、前言:在项目开发的过程中负责全系统查询检索的一个模块,其中有一个查询方式叫做“交叉组合查询”,与数学中的排列组合类似,因此就开始想看一下这个该怎么写,以下为本人原创文章,转载请标明出处:https://blog.youkuaiyun.com/RobinsStruggle,本人自定为java菜鸟,如有问题指出请指教,不胜感激!2、模型(例题):现有A、B、C三组球,每组...

RobinsStruggle的博客 5129

Java实现交叉排序包括 Arrays.sort的使用

知识点: 接口Comparator 重写方法compara o2 - o1降序排序 Arrays.sort()的下标是到toindex的上一个,所以要toindex + 1. package jisuanke; import java.lang.reflect.Array; import java.util.*; public class JcSort { public static void ...

weixin_43960370的博客 632

多个数组间元素排列组合交叉问题(Java实现)

转载请注明出处:http://blog.youkuaiyun.com/tyhj_sf/article/details/53769752 求多个数组之间元素的排列组合问题,方法有两个:递归法、循环法。 首先应该认识到的是: 所有可以用递归实现的操作都可以转化为用while、for等循环实现。   递归法 优缺点: 数组数量不太多时用递归法确实使程序比较简洁,数组数量太多时递归函数栈过大,有可能导致运行...

网络改变中国 3857

excel中两列如何进行交叉排列组合

除非注明,文章均为网站运营博客原创,转载请注明本文地址:http://blog.52yuding.com/question/473.html

学习笔记 2万+

蓝桥杯:交叉排序(java直接排序实现)

package lanqiaobei; import java.util.ArrayList; import java.util.List; import java.util.Scanner; /* 练习题:交叉排序 蒜头君很无聊,现在有 N 个数,其中第 i(1≤i≤N) 个数是 Ai。 现在他先将 Al1,Al1+1...Ar1从小到大排序。 再将 Al2,Al2+1...Ar2 从大到...

pioneer的博客 890
上一篇: 数据结构实验之排序二:交换排序 sdut oj 3399
下一篇: 数据结构实验之排序三:bucket sort sdut oj 3400
rain_snowing
博客等级 码龄10年 9粉丝 62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