codeforces 600A Extract Numbers

本文深入探讨了一种使用C++语言解决字符串分割与格式化输出的算法,详细介绍了如何通过维护两个下标变量i和j,以及判断字符是否为分隔符或字母数字字符,实现字符串中整数与其他单词的分离,并按照特定格式输出。通过实例代码展示了算法的具体实现过程,包括字符串预处理、循环遍历与条件判断等关键步骤。

模拟题,意思是一个字符串,单词直接用','或';'来分割,可以为空,把不含前导0的整数和其他单词分别放入A和B。按照一定格式输出。

没有用stl的习惯。维护两个下标i,j,表示开区间(i,j),两段补上分割符号。每个单词后面都加上一个',',输出的时候在处理掉。

用最后的','判断A和B是不是空。

#include<bits/stdc++.h>
using namespace std;

typedef long long ll;

const int LEN = 1e5+5;
char s[LEN];
char a[LEN];
char b[LEN];

bool is_sp(char c){ return c == ';' || c == ','; }

void solve()
{
    int n = strlen(s);
    s[n] = ';';
    int i = -1, j = 0, p = 0, q = 0;
    bool has_alp = false;
    for(; j <= n; j++){
        if(is_sp(s[j])){
            if(j > i+1){
                if(has_alp){
                    memcpy(b+q,s+i+1, j-i-1);
                    q += j-i-1;
                    b[q++] = ',';
                }
                else {
                    if(j-i-1 > 1 && s[i+1] == '0'){
                        memcpy(b+q,s+i+1, j-i-1);
                        q += j-i-1;
                        b[q++] = ',';
                    }
                    else {
                        memcpy(a+p,s+i+1, j-i-1);
                        p += j-i-1;
                        a[p++] = ',';
                    }

                }
            }
            else b[q++] = ',';
            i = j;
            has_alp = false;
        }
        else {
            if(!has_alp && (isalpha(s[j]) || s[j] == '.')) has_alp = true;
        }
    }
    bool f2 = q;
    if(p){ a[--p] = 0; }
    if(f2){ b[--q] = 0; } // empty
    if(p) printf("\"%s\"\n",a);
    else puts("-");
    if(f2) printf("\"%s\"\n",b);
    else puts("-");
}


//#define LOCAL
int main()
{
#ifdef LOCAL
    freopen("in.txt","r",stdin);
#endif
    gets(s);
    solve();
    return 0;
}

 

转载于:https://www.cnblogs.com/jerryRey/p/5003625.html

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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