codeforces B. Counting-out Rhyme

本文提供 CodeForces 792B 的解题思路及实现代码,采用直接模拟约瑟夫环的方法解决。通过循环遍历和模运算处理避免超时问题。

题目链接:

http://codeforces.com/problemset/problem/792/B

题解:

直接模拟约瑟夫环,注意循环的次数的地方需要模一下,不然会超时。
虽然自己模拟的比较烦。

代码:

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
#define met(a,b) memset(a,b,sizeof(a))
#define inf  0x3f3f3f3f
const int maxn = 100+10;
typedef long long ll;
int num[maxn];
int visited[maxn];
int ans[maxn];

int main()
{
    int n,k;
    scanf("%d%d",&n,&k);
    for(int i=0;i<k;i++)
        scanf("%d",&num[i]);
    int temp=1;
    met(visited,0);
    met(ans,0);
    int len=0;
    for(int i=0;i<k;i++)
    {
        int cnt=num[i]%(n -i);
        while(cnt)
        {
            if(!visited[temp])
            {
                cnt--;
                temp++;
                if(temp>n)
                    temp=1;
            }
            else
            {
                temp++;
                if(temp>n)
                    temp=1;
            }
        }
        while(1)
        {
            if(visited[temp])
            {
                temp++;
                if(temp>n)
                    temp=1;
            }
            else
                break;
        }
        ans[len++]=temp;
        visited[temp]=1;
        while(1)
        {
            if(visited[temp])
            {
                temp++;
                if(temp>n)
                    temp=1;
            }
            else
                break;
        }
    }
    for(int i=0;i<len;i++)
    {
        printf("%d",ans[i]);
        if(i!=len-1)
            printf(" ");
        else
            printf("\n");
    }
}
【SCI级别】多策略改进鲸鱼优化算法(HHWOA)和鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30寻优对比内容概要:本文档主要介绍了一项关于多策略改进鲸鱼优化算法(HHWOA)与标准鲸鱼优化算法(WOA)在CEC2017测试集函数F1-F30上进行寻优性能对比的研究,属于智能优化算法领域的高水平科研工作。文中通过Matlab代码实现算法仿真,重点展示了HHWOA在收敛速度、寻优精度和稳定性方面的优势,体现了多策略改进的有效性。该研究适用于复杂优化问题求解,尤其在工程优化、参数辨识、机器学习超参数调优等领域具有应用潜力。; 适合人群:具备一定算法基础和Matlab编程能力的研究生、科研人员及从事智能优化算法开发与应用的工程技术人员,尤其适合致力于SCI论文写作与算法创新的研究者。; 使用场景及目标:①用于理解鲸鱼优化算法的基本原理及多策略改进思路(如种群初始化、非线性收敛因子、精英反向学习等);②为智能优化算法的性能测试与对比实验提供CEC2017标准测试平台的实现参考;③支撑学术研究中的算法创新与论文复现工作。; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点关注HHWOA的改进策略模块与WOA的差异,通过重复实验验证算法性能,并可将其思想迁移至其他优化算法的改进中,提升科研创新能力。
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