2019.7.19刷题统计

本文分享了编程集训期间解决三道题目的经验:利用进制转换巧妙解答第一题;掌握特定公式攻克第二题;优化内存使用解决第三题的内存超限问题。文章强调了学习他人代码的重要性。

最近几天编程集训,刷题数量可能不多(毕竟不能一整天一直编程)。

第一题:1082

原来代码:(无)

没有提交的原因是一直过不了样例。

后来到普及组又有这样一道题,当时查了题解,发现就是一个进制转换:把10进制下的k转换为2进制再转换为n进制就是结果。

当时写了很长的代码(还加了特判)

后来看到了pjykk的代码非常精简,只有300多B,于是用相同的思路提交并通过了。

AC代码:

第二题:1109

原来代码:

这份代码不仅有一个点不过,而且非常长。

看来别人的代码,我想这道题考的就是个公式吧。

此处保证已将公式背过,绝非抄袭。

AC代码:

第三题:1127

原来代码:(无)

这道题我吸取了之前1024的经验,先自己打了一遍,发现内存超限。

后来通过看niuyihe的代码改进了边界条件,就没有内存超限了。

对于边界条件k=0和k=1有如此大的差别,我的理解是k=1时输出就把两个字符保存了下来,占用了大量内存空间。

在入门组题库中,除了少数几道几乎所有人都没做出来的题目,其他题目再过两天就能刷完了。

转载于:https://www.cnblogs.com/wangximing/p/11215913.html

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是一种基于种群的元启发式算法,其核心想来源于四则运算,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。进一步地,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:具备一定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想与实现机制;②掌握AOA在函数优化、图像分割等实际问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,并可进一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