SGU 109 Magic of David Copperfield II(构造)

这题UVA上做过类似题,不过这一题又多了一个条件,就是步数只能在n到300之间

那怎么办呢。

其实多一个构造就可以了,一开始走n步,把右下角整块移除掉,那剩下n条对角线,那最多就只用到299步就可以啦

代码:

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

int n;

int main() {
    while (~scanf("%d", &n)) {
        if (n != 2) {
            printf("%d", n);
            for (int i = 1; i < n; i++) {
                for (int j = n - 1; j > n - i; j--) {
                    printf(" %d", i * n + j + 1);
                }
            }
        }
        printf("\n");
        int s = n + 1 + n % 2;
        for (int i = n; i > 0; i--) {
            printf("%d", s);
            for (int j = max(0, i - n + 1); j < min(n, i + 1); j++) {
                int k = i - j;
                printf(" %d", j * n + k + 1);
            }
            s += 2;
            printf("\n");
        }
    }
    return 0;
}


基于html+python+Apriori 算法、SVD(奇异值分解)的电影推荐算法+源码+项目文档+算法解析+数据集,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 电影推荐算法:Apriori 算法、SVD(奇异值分解)推荐算法 电影、用户可视化 电影、用户管理 数据统计 SVD 推荐 根据电影打分进行推荐 使用 svd 模型计算用户对未评分的电影打分,返回前 n 个打分最高的电影作为推荐结果 n = 30 for now 使用相似电影进行推荐 根据用户最喜欢的前 K 部电影,分别计算这 K 部电影的相似电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now 根据相似用户进行推荐 获取相似用户 K 个,分别取这 K 个用户的最喜爱电影 n 部,返回 K*n 部电影进行推荐 K = 10 and n = 5 for now Redis 使用 Redis 做页面访问次数统计 缓存相似电影 在使用相似电影推荐的方式时,每次请求大概需要 6.6s(需要遍历计算与所有电影的相似度)。 将相似电影存储至 redis 中(仅存储 movie_id,拿到 movie_id 后还是从 mysql 中获取电影详细信息), 时间缩短至:93ms。 十部电影,每部存 top 5 similar movie 登录了 1-6 user并使用了推荐系统,redis 中新增了 50 部电影的 similar movie,也就是说,系统只为 6 为用户计算了共 60 部电影的相似度,其中就有10 部重复电影。 热点电影重复度还是比较高的
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