nyoj 找球号(一) 二分 & set

二分AC代码:

#include<cstdio>
#include<set>
#include<algorithm>
#include<iostream>
using namespace std;
bool dichotomy(int p[],int m,int n)
{
	int left=0,right=m-1,middle;
	while(left<=right)
	{
		middle=(left+right)/2;
		if(n>p[middle])
		{
			left=middle+1;
		}
		else if(n<p[middle])
		{
			right=middle-1;
		}
		else
		{
			return true;
		}
	}
	return false;
}
bool cmp(int a,int b)
{
	return a<b;
}
int main()
{
	int m,n;
	scanf("%d %d",&m,&n);
	{
		int *p=new int[m];
		int *q=new int[n];
		for(int i=0;i<m;i++)
		{
			scanf("%d",&p[i]);
		}
		sort(p,p+m,cmp);
		for(int i=0;i<n;i++)
		{
			scanf("%d",&q[i]);
		}
		for(int i=0;i<n;i++)
		{
			if(dichotomy(p,m,q[i]))
			{
				printf("YES\n");
			}
			else
			{
				printf("NO\n");
			}
		}
	}
	return 0;
}        
注意二分的写法。如果求解对但是用的是别的写法,有可能超时。

例如这种写法就超时了:

bool dichotomy(int p[],int m,int n)
{
	int left=0,right=m-1,middle;
	while(left!=right)
	{
		middle=(left+right)/2;
		if(n>p[middle])
		{
			left=middle;
		}
		else if(n<p[middle])
		{
			right=middle;
		}
		else
		{
			return true;
		}
	}
	return false;
}
STL之set AC代码

#include<cstdio>
#include<set>
using namespace std;
int main()
{
	int m,n,x,y;
	scanf("%d %d",&m,&n);
	{
		set<int> s;
		int *p=new int[n];
		while(m--)
		{
			scanf("%d",&x);
			s.insert(x);
		}
		for(int i=0;i<n;i++)
		{
			scanf("%d",&p[i]);
		}
		for(int i=0;i<n;i++)
		{
			if(s.find(p[i])!=s.end())
			{
				printf("YES\n");
			}
			else
			{
				printf("NO\n");
			}
		}
	}
	return 0;
}        





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