2019.7.22刷题统计

本文分享了作者在解决三道ACM题目过程中的心得与体会,包括使用特定公式解决的两道题,以及一道需要特别处理的大写字母问题。文章还提到了作者遇到的一些挑战,如部分题目无人通过或代码难以理解的情况。

第一题:1175

原来代码:(无)

当时做到这一题时已经快做完了,看到这道题想不出递推式就直接跳过了。

今天看到别人的代码,没想到用的都是这个公式:(m+1)*(1<<n)

所以我用这个公式打了一遍。AC代码:

第二题:1178

原来代码:(无)(原因和1175一样)

看了1175,我就预感这道题肯定也是个公式。果然,是个n*n-n+2的公式

AC代码:

第三题:1180

原来代码:(无)

这道题和1024一样,所以我自己打了出来,但是发现数据有问题。

样例中是小写字母,到题目测试中竟然变成了大写字母!望修改数据。

看到别人都是特判过的,于是我也特判了一下。

AC代码:

希望老师尽快修改数据,并防止类似事情发生!

-----------------------------------------------------------

至此,入门组已经通过特殊权限完成原来不会的题目中的20道,但仍有6道未能解决。

这6道未能解决的原因有以下两个:

①通过的人数少,而且所有通过者的代码都看不懂

②根本没有人通过这道题(就连老师都没有通过)

入门组总AC数:142

任务完成率:118.33%(按照任务为120道的要求算的)

下一步任务:继续刷数据结构网站的题

转载于:https://www.cnblogs.com/wangximing/p/11228734.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及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,其核心思想来源于四则运算,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思想与实现机制;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