BZOJ 1923: [Sdoi2010]外星千足虫

本文介绍了一个名为'SOI2010外星千足虫'的算法问题,详细阐述了其输入输出格式、题目背景及解题思路。通过构建特定的数据结构并采用高斯消元法求解线性方程组来解决该问题,并提供了完整的C++代码实现。

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

1923: [Sdoi2010]外星千足虫

Time Limit: 10 Sec   Memory Limit: 64 MB
Submit: 921   Solved: 592
[ Submit][ Status][ Discuss]

Description

Input

第一行是两个正整数 N, M。 接下来 M行,按顺序给出 Charles 这M次使用“点足机”的统计结果。每行 包含一个“01”串和一个数字,用一个空格隔开。“01”串按位依次表示每只虫 子是否被放入机器:如果第 i 个字符是“0”则代表编号为 i 的虫子未被放入,“1” 则代表已被放入。后面跟的数字是统计的昆虫足数 mod 2 的结果。 由于 NASA的实验机器精确无误,保证前后数据不会自相矛盾。即给定数据 一定有解。

Output

在给定数据存在唯一解时有 N+1行,第一行输出一个不 超过M的正整数K,表明在第K 次统计结束后就可以确定唯一解;接下来 N 行 依次回答每只千足虫的身份,若是奇数条足则输出“?y7M#”(火星文),偶数 条足输出“Earth”。如果输入数据存在多解,输出“Cannot Determine”。 所有输出均不含引号,输出时请注意大小写。

Sample Input

3 5
011 1
110 1
101 0
111 1
010 1

Sample Output

4
Earth
?y7M#
Earth

HINT

对于 20%的数据,满足 N=M≤20; 
对于 40%的数据,满足 N=M≤500; 
对于 70%的数据,满足 N≤500,M≤1,000; 
对于 100%的数据,满足 N≤1,000,M≤2,000。 

==========================================================
请不要提交!

【直接上代码】://实在不会去看看[Wc2011] Xor

#include<cstdio>
#include<bitset>
using namespace std;
const int N=1010;
int n,m,ans;
char s[N];
bitset<N> a[N<<1];
void Gauss(){
    int cnt=0;
    for(int i=1;i<=n;i++){
        int j=cnt+1;
        for(;!a[j][i]&&j<=m;j++);
        if(j==m+1){ans=-1;return ;}
        else ans=max(ans,j);
        cnt++;
        swap(a[cnt],a[j]);
        for(int k=1;k<=m;k++){
            if(k!=cnt&&a[k][i]){
                a[k]^=a[cnt];
            }
        }
    }
}
int main(){
    scanf("%d%d",&n,&m);
    for(int i=1;i<=m;i++){
        scanf("%s",s+1);
        for(int j=1;j<=n;j++) a[i][j]=s[j]-'0';
        scanf("%s",s);
        a[i][n+1]=s[0]-'0';
    }
    Gauss();
    if(ans==-1) puts("Cannot Determine");
    else{
        printf("%d\n",ans);
        for(int i=1;i<=n;i++) puts(a[i][n+1]?"?y7M#":"Earth");
    }
    return 0;
}

 

 

 

转载于:https://www.cnblogs.com/shenben/p/6266130.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