poj 2356 Find a multiple

本文介绍了一种利用鸽笼原理解决特定数学问题的方法。给定一组整数,目标是找到若干个数,使它们的和为给定数N的倍数。通过分析连续数之和的性质,可以有效地找出满足条件的数列。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

这是一道简单的对鸽笼原理的运用;

题意:给出N个数,从中选出若干个数使得它们的和为N的倍数。

有一种简单的方法如下:

虽然题目没限制怎样选,但是我们可以证明:存在若干个这样的连续数,它们的和是N的倍数。为此,我们可以考察和Sk =a1+a2+...+ak.如果存在一个Sk是N的倍数,那么把前K个数选出来就可以了。否则所有N歌Sk除以N的余数只有1,2,3,4...N-1;这n-1种可能(n-1个盒子),由基本原理 知,必然有两个不同的和Si和Sj(i<j)除以N的余数相同,所以

Sj -Si = ai+1 + .... aj 是N的倍数;

View Code
#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<algorithm>
#include<cmath>
#include<queue>
#include<set>
#include<map>
#include<cstring>
#include<vector>
#include<string>
#define LL long long
using namespace std;

int main(  )
{
    int num[10024];
    int N,a[10024];
    while( scanf( "%d",&N )==1 ){
        int sum = 0,flag = 0;
        memset( num , 0, sizeof( num ) );
        for( int i = 1 ; i <= N ; i++ ){
             scanf( "%d",&a[i] );
             if( flag ) continue;
             sum += a[i];
             int t =  sum % N;
             if( t== 0 ){
                 flag = 1;
                 printf( "%d\n",i );
                 for( int j = 1 ; j <= i; j++  )
                      printf( "%d\n",a[j] );        
             }
             else if( num[t] == 0 )
                      num[t] = i;
             else{
                 flag = 1;
                 printf( "%d\n",i - num[t] );
                 for( int j = num[t]+1 ; j <= i ; j ++ )
                           printf( "%d\n",a[j] );
            }
        }
    }
    //system( "pause" );
    return 0;
}

 

转载于:https://www.cnblogs.com/bo-tao/archive/2012/07/27/2611306.html

内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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