poj 1222 EXTENDED LIGHTS OUT 高斯消元

本文介绍了一种算法,用于解决通过点击灯来改变其自身及其周围灯的状态的问题。算法涉及矩阵运算、高斯消元等技术,适用于电子设备或游戏场景中灯的控制逻辑。

传送门

题目就是给你一些灯, 点击一个灯, 就会改变它自身和它四周的所有的灯的状态。 给你所有灯的初始状态, 要你输出所有灯的点击情况, 1代表点击, 0代表不点击。

 1 #include<bits/stdc++.h>
 2 using namespace std;
 3 #define mem(a) memset(a, 0, sizeof(a))
 4 const int dir[][2] = { {-1, 0}, {1, 0}, {0, -1}, {0, 1} };
 5 int a[35][35], ans[35];
 6 void gauss() {
 7     for(int k = 0; k<30; k++) {
 8         int i = k;
 9         while(i<30&&!a[i][k])
10             i++;
11         if(i>k) {
12             for(int r = 0; r<=30; r++)
13                 swap(a[i][r], a[k][r]);
14         }
15         for(int i = 0; i<30; i++) {
16             if(i!=k && a[i][k]) {
17                 for(int j = 0; j<=30; j++) {
18                     a[i][j] ^= a[k][j];
19                 }
20             }
21         }
22     }
23     for(int i = 0; i<30; i++) {
24         if(a[i][30]) {
25             int j = 0;
26             while(j<30&&!a[i][j])
27                 j++;
28             ans[j] = a[i][30];
29         }
30     }
31 }
32 int main()
33 {
34     int t;
35     cin>>t;
36     for(int cnt = 1; cnt<=t; cnt++) {
37         mem(a);
38         mem(ans);
39         for(int i = 0; i<30; i++) {
40             scanf("%d", &a[i][30]);
41         }
42         for(int i = 0; i<30; i++)
43             a[i][i] = 1;
44         for(int i = 0; i<5; i++) {
45             for(int j = 0; j<6; j++) {
46                 for(int k = 0; k<4; k++) {
47                     int x = i+dir[k][0];
48                     int y = j+dir[k][1];
49                     if(x>=0&&x<5&&y>=0&&y<6) {
50                         a[i*6+j][x*6+y] = 1;
51                     }
52                 }
53             }
54         }
55         gauss();
56         printf("PUZZLE #%d\n", cnt);
57         for(int i = 0; i<30; i++) {
58             int x = i/6;
59             int y = i%6;
60             a[x][y] = ans[i];
61         }
62         for(int i = 0; i<5; i++) {
63             printf("%d", a[i][0]);
64             for(int j = 1; j<6; j++) {
65                 printf(" %d", a[i][j]);
66             }
67             puts("");
68         }
69     }
70 }

 

转载于:https://www.cnblogs.com/yohaha/p/5009691.html

基于TROPOMI高光谱遥感仪器获取的大气成分观测资料,本研究聚焦于大气污染物一氧化氮(NO₂)的空间分布与浓度定量反演问题。NO₂作为影响空气质量的关键指标,其精确监测对环境保护与大气科学研究具有显著价值。当前,利用卫星遥感数据结合先进算法实现NO₂浓度的高精度反演已成为该领域的重要研究方向。 本研究构建了一套以深度学习为核心的技术框架,整合了来自TROPOMI仪器的光谱辐射信息、观测几何参数以及辅助气象数据,形成多维度特征数据集。该数据集充分融合了不同来源的观测信息,为深入解析大气中NO₂的时空变化规律提供了数据基础,有助于提升反演模型的准确性与环境预测的可靠性。 在模型架构方面,项目设计了一种多分支神经网络,用于分别处理光谱特征与气象特征等多模态数据。各分支通过独立学习提取代表性特征,并在深层网络中进行特征融合,从而综合利用不同数据的互补信息,显著提高了NO₂浓度反演的整体精度。这种多源信息融合策略有效增强了模型对复杂大气环境的表征能力。 研究过程涵盖了系统的数据处理流程。前期预处理包括辐射定标、噪声抑制及数据标准化等步骤,以保障输入特征的质量与一致性;后期处理则涉及模型输出的物理量转换与结果验证,确保反演结果符合实际大气浓度范围,提升数据的实用价值。 此外,本研究进一步对不同功能区域(如城市建成区、工业带、郊区及自然背景区)的NO₂浓度分布进行了对比分析,揭示了人类活动与污染物空间格局的关联性。相关结论可为区域环境规划、污染管控政策的制定提供科学依据,助力大气环境治理与公共健康保护。 综上所述,本研究通过融合TROPOMI高光谱数据与多模态特征深度学习技术,发展了一套高效、准确的大气NO₂浓度遥感反演方法,不仅提升了卫星大气监测的技术水平,也为环境管理与决策支持提供了重要的技术工具。 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