乒乓球

Description

国际乒联现在主席沙拉拉自从上任以来就立志于推行一系列改革,以推动乒乓球运动在全球的普及。其中11分制改革引起了很大的争议,有一部分球员因为无法适应新规则只能选择退役。华华就是其中一位,他退役之后走上了乒乓球研究工作,意图弄明白11分制和21分制对选手的不同影响。在开展他的研究之前,他首先需要对他多年比赛的统计数据进行一些分析,所以需要你的帮忙。
华华通过以下方式进行分析,首先将比赛每个球的胜负列成一张表,然后分别计算在11分制和21分制下,双方的比赛结果(截至记录末尾)。
比如现在有这么一份记录,(其中W表示华华获得一分,L表示华华对手获得一分):
WWWWWWWWWWWWWWWWWWWWWWLW
在11分制下,此时比赛的结果是华华第一局11比0获胜,第二局11比0获胜,正在进行第三局,当前比分1比1。而在21分制下,此时比赛结果是华华第一局21比0获胜,正在进行第二局,比分2比1。如果一局比赛刚开始,则此时比分为0比0。
你的程序就是要对于一系列比赛信息的输入(WL形式),输出正确的结果。
注意!11分制,假设最后10:10,是要12:10才算赢得!!21分制同理!
注意!11分制,假设最后10:10,是要12:10才算赢得!!21分制同理!

Input

每个输入文件包含若干行字符串(每行至多20个字母),字符串有大写的W、L和E组成。其中E表示比赛信息结束,程序应该忽略E之后的所有内容。

Output

输出由两部分组成,每部分有若干行,每一行对应一局比赛的比分(按比赛信息输入顺序)。其中第一部分是11分制下的结果,第二部分是21分制下的结果,两部分之间由一个空行分隔。

Sample Input 1

 WWWWWWWWWWWWWWWWWWWW

WWLWE
Sample Output 1
11:0
11:0
1:1

21:0
2:1
 
 
解题思路:这道题主要是题意难懂,看了半天也不知道它要表达什么,以为它是一行代表一局,一行一行的算,但是怎么也算不出输出的结果;
正确理解:(1)输入的几行连接起来,11分制就是看对方谁先达到11分,且两者差值要>=2;21分制就是谁先达到21分,且两者差值>=2;则输出一局的结果。
(2)注意如果遇到E,且还没达到11或21,则就直接输出剩下的比分;
(3)注意条件要写清楚,要写成((w>=11&&(w-l)>=2)||l>=11&&(l-w)>=2)与(w>=21&&(w-l)>=2)||l>=21&&(l-w)>=2)
如果写成(w>=11||l>=11&&abs(w-l)>=2) 与(w>=21||l>=21&&abs(w-l)>=2)
提交上去会一直wrong answer  ,而且还不知道自己到底错了
代码如下:
 1 #include<iostream>
 2 #include<cmath>
 3 using namespace std;
 4 
 5 string s;
 6 string tmp;
 7 long long int count1;
 8 int main()
 9 {
10     int w = 0 , l = 0;
11     while(cin>>s)
12     {
13         tmp += s;    //将输入的所有行加在一起,变成一行的字符串;
14     }
15     
16 
17     count1 = tmp.size();    //或者字符串总长度
18 
19     
20     for(int i = 0 ; i < count1;i++)
21     {
22         if(tmp[i]=='E') break;    //如果遇到E,则退出循环;  
23         if(tmp[i]=='W') w++;      //统计W的个数;
24         if(tmp[i]=='L') l++;      //统计L的个数;
25         if((w>=11&&(w-l)>=2)||l>=11&&(l-w)>=2)  //按照题意要求的11分制;
26         {
27             cout<<w<<":"<<l<<endl;     
28             w = 0;        //注意将w,l重新置为0,再统计,因为这是新的一局了;
29             l = 0;
30         }
31         
32     }
33     cout<<w<<":"<<l<<endl;    //遇到E,跳出循环,且还没达到11,则就直接输出剩下的比分;
34     cout<<endl;
35      w = 0, l = 0;    //注意将w,l重新置为0,再统计,因为这是新的一局了;   
36 for(int i = 0 ; i < count1;i++) 37 { 38 if(tmp[i]=='E') break; //如果遇到E,则退出循环;  39 if(tmp[i]=='W') w++; //统计W的个数; 40 if(tmp[i]=='L') l++; //统计L的个数; 41 if((w>=21&&(w-l)>=2)||l>=21&&(l-w)>=2) //按照题意要求的21分制; 42 { 43 cout<<w<<":"<<l<<endl; 44 w = 0; //注意将w,l重新置为0,再统计,因为这是新的一局了; 45 l = 0; 46 47 } 48 } 49 cout<<w<<":"<<l<<endl;   //遇到E,跳出循环,且还没达到11,则就直接输出剩下的比分; 50 return 0; 51 }

 

 

转载于:https://www.cnblogs.com/yewanting/p/10538673.html

标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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