洛谷P1449 后缀表达式 栈 模拟 字符串

本文介绍了一种使用栈来解析和计算后缀表达式的算法实现。通过扫描输入的后缀表达式,对于遇到的数字直接压入栈中,对于运算符则从栈中取出两个操作数进行计算并将结果压回栈中,最终栈顶元素即为表达式的结果。

洛谷P1449 后缀表达式

栈 模拟 字符串
栈模拟一下 碰到 . 如果输入的是数字就把数字放进栈中

 

 1 #include <cstdio>
 2 #include <cstring>
 3 #include <cmath>
 4 #include <cstdlib>
 5 #include <string>
 6 #include <algorithm>
 7 #include <iomanip>
 8 #include <iostream>
 9 using namespace std ; 
10 
11 char s[1011] ; 
12 int l,top,x ; 
13 int st[1011] ; 
14 
15 int main() 
16 {
17     scanf("%s",s+1) ; 
18     l = strlen(s+1) ; 
19     x = -1 ; 
20     for(int i=1;i<=l;i++) 
21     {
22         if(s[ i ]=='.') {
23             if(x!=-1) st[++top] = x ; 
24             x = -1 ; 
25             continue ;
26         }
27         if(s[ i ]>='0'&&s[ i ]<='9') 
28         {
29             if(x==-1) x = 0 ; 
30             x = x*10+s[ i ]-48 ; 
31         } 
32         if(s[ i ]=='+') top-- ,st[top] = st[top] + st[top+1] ; 
33         if(s[ i ]=='-') top-- ,st[top] = st[top] - st[top+1] ; 
34         if(s[ i ]=='*') top-- ,st[top] = st[top] * st[top+1] ; 
35         if(s[ i ]=='/') top-- ,st[top] = st[top] / st[top+1] ; 
36         
37     }
38     printf("%d\n",st[top] ) ; 
39     
40     return 0 ; 
41 }

 

转载于:https://www.cnblogs.com/third2333/p/6985325.html

P1868[CSP-J 2022] 逻辑表达式 普及+/提高 模拟 表达式求值 标准IO 传统题 来源 TomAnderson 时间限制 1000ms 内存限制 512MB 通过/尝试次数 182/469 题目描述 逻辑表达式是计算机科学中的重要概念和工具,包含逻辑值、逻辑运算、逻辑运算优先级等内容。 在一个逻辑表达式中,元素的值只有两种可能: 0 0(表示假)和 1 1(表示真)。元素之间有多种可能的逻辑运算,本题中只需考虑如下两种:“与”(符号为 &)和“或”(符号为 |)。其运算规则如下: 0 & 0 = 0 & 1 = 1 & 0 = 0 0&0=0&1=1&0=0, 1 & 1 = 1 1&1=1; 0 ∣ 0 = 0 0∣0=0, 0 ∣ 1 = 1 ∣ 0 = 1 ∣ 1 = 1 0∣1=1∣0=1∣1=1。 在一个逻辑表达式中还可能有括号。规定在运算时,括号内的部分先运算;两种运算并列时,& 运算优先于 | 运算;同种运算并列时,从左向右运算。 比如,表达式 0|1&0 的运算顺序等同于 0|(1&0);表达式 0&1&0|1 的运算顺序等同于 ((0&1)&0)|1。 此外,在 C++ 等语言的有些编译器中,对逻辑表达式的计算会采用一种“短路”的策略:在形如 a&b 的逻辑表达式中,会先计算 a 部分的值,如果 a = 0 a=0,那么整个逻辑表达式的值就一定为 0 0,故无需再计算 b 部分的值;同理,在形如 a|b 的逻辑表达式中,会先计算 a 部分的值,如果 a = 1 a=1,那么整个逻辑表达式的值就一定为 1 1,无需再计算 b 部分的值。 现在给你一个逻辑表达式,你需要计算出它的值,并且统计出在计算过程中,两种类型的“短路”各出现了多少次。需要注意的是,如果某处“短路”包含在更外层被“短路”的部分内则不被统计,如表达式 1|(0&1) 中,尽管 0&1 是一处“短路”,但由于外层的 1|(0&1) 本身就是一处“短路”,无需再计算 0&1 部分的值,因此不应当把这里的 0&1 计入一处“短路”。 输入格式 输入共一行,一个非空字符串 s s 表示待计算的逻辑表达式。 输出格式 输出共两行,第一行输出一个字符 0 或 1,表示这个逻辑表达式的值;第二行输出两个非负整数,分别表示计算上述逻辑表达式的过程中,形如 a&b 和 a|b 的“短路”各出现了多少次。 输入 #1 复制 0&(1|0)|(1|1|1&0) 输出 #1 复制 1 1 2 输入 #2 复制 (0|1&0|1|1|(1|1))&(0&1&(1|0)|0|1|0)&0 输出 #2 复制 0 2 3 提示 【样例解释 #1】 该逻辑表达式的计算过程如下,每一行的注释表示上一行计算的过程: plain 复制 0&(1|0)|(1|1|1&0) =(0&(1|0))|((1|1)|(1&0)) //用括号标明计算顺序 =0|((1|1)|(1&0)) //先计算最左侧的 &,是一次形如 a&b 的“短路” =0|(1|(1&0)) //再计算中间的 |,是一次形如 a|b 的“短路” =0|1 //再计算中间的 |,是一次形如 a|b 的“短路” =1 【样例 #3】 见附件中的 expr/expr3.in 与 expr/expr3.ans。 【样例 #4】 见附件中的 expr/expr4.in 与 expr/expr4.ans。 【数据范围】 设 ∣ s ∣ ∣s∣ 为字符串 s s 的长度。 对于所有数据, 1 ≤ ∣ s ∣ ≤ 10 6 1≤∣s∣≤10 6 。保证 s s 中仅含有字符 0、1、&、|、(、) 且是一个符合规范的逻辑表达式。保证输入字符串的开头、中间和结尾均无额外的空格。保证 s s 中没有重复的括号嵌套(即没有形如 ((a)) 形式的子串,其中 a 是符合规范的逻辑表 达式)。 测试点编号 ∣ s ∣ ≤ ∣s∣≤ 特殊条件 1 ∼ 2 1∼2 3 3 无 3 ∼ 4 3∼4 5 5 无 5 5 2000 2000 1 6 6 2000 2000 2 7 7 2000 2000 3 8 ∼ 10 8∼10 2000 2000 无 11 ∼ 12 11∼12 10 6 10 6 1 13 ∼ 14 13∼14 10 6 10 6 2 15 ∼ 17 15∼17 10 6 10 6 3 18 ∼ 20 18∼20 10 6 10 6 无 其中: 特殊性质 1 为:保证 s s 中没有字符 &。 特殊性质 2 为:保证 s s 中没有字符 |。 特殊性质 3 为:保证 s s 中没有字符 ( 和 )。 【提示】 以下给出一个“符合规范的逻辑表达式”的形式化定义: 字符串 0 和 1 是符合规范的; 如果字符串 s 是符合规范的,且 s 不是形如 (t) 的字符串(其中 t 是符合规范的),那么字符串 (s) 也是符合规范的; 如果字符串 a 和 b 均是符合规范的,那么字符串 a&b、a|b 均是符合规范的; 所有符合规范的逻辑表达式均可由以上方法生成。c++
09-04
标题SpringBoot智能在线预约挂号系统研究AI更换标题第1章引言介绍智能在线预约挂号系统的研究背景、意义、国内外研究现状及论文创新点。1.1研究背景与意义阐述智能在线预约挂号系统对提升医疗服务效率的重要性。1.2国内外研究现状分析国内外智能在线预约挂号系统的研究与应用情况。1.3研究方法及创新点概述本文采用的技术路线、研究方法及主要创新点。第2章相关理论总结智能在线预约挂号系统相关理论,包括系统架构、开发技术等。2.1系统架构设计理论介绍系统架构设计的基本原则和常用方法。2.2SpringBoot开发框架理论阐述SpringBoot框架的特点、优势及其在系统开发中的应用。2.3数据库设计与管理理论介绍数据库设计原则、数据模型及数据库管理系统。2.4网络安全与数据保护理论讨论网络安全威胁、数据保护技术及其在系统中的应用。第3章SpringBoot智能在线预约挂号系统设计详细介绍系统的设计方案,包括功能模块划分、数据库设计等。3.1系统功能模块设计划分系统功能模块,如用户管理、挂号管理、医生排班等。3.2数据库设计与实现设计数据库表结构,确定字段类型、主键及外键关系。3.3用户界面设计设计用户友好的界面,提升用户体验。3.4系统安全设计阐述系统安全策略,包括用户认证、数据加密等。第4章系统实现与测试介绍系统的实现过程,包括编码、测试及优化等。4.1系统编码实现采用SpringBoot框架进行系统编码实现。4.2系统测试方法介绍系统测试的方法、步骤及测试用例设计。4.3系统性能测试与分析对系统进行性能测试,分析测试结果并提出优化建议。4.4系统优化与改进根据测试结果对系统进行优化和改进,提升系统性能。第5章研究结果呈现系统实现后的效果,包括功能实现、性能提升等。5.1系统功能实现效果展示系统各功能模块的实现效果,如挂号成功界面等。5.2系统性能提升效果对比优化前后的系统性能
在金融行业中,对信用风险的判断是核心环节之一,其结果对机构的信贷政策和风险控制策略有直接影响。本文将围绕如何借助机器学习方法,尤其是Sklearn工具包,建立用于判断信用状况的预测系统。文中将涵盖逻辑回归、支持向量机等常见方法,并通过实际操作流程进行说明。 一、机器学习基本概念 机器学习属于人工智能的子领域,其基本理念是通过数据自动学习规律,而非依赖人工设定规则。在信贷分析中,该技术可用于挖掘历史数据中的潜在规律,进而对未来的信用表现进行预测。 二、Sklearn工具包概述 Sklearn(Scikit-learn)是Python语言中广泛使用的机器学习模块,提供多种数据处理和建模功能。它简化了数据清洗、特征提取、模型构建、验证与优化等流程,是数据科学项目中的常用工具。 三、逻辑回归模型 逻辑回归是一种常用于分类任务的线性模型,特别适用于二类问题。在信用评估中,该模型可用于判断借款人是否可能违约。其通过逻辑函数将输出映射为0到1之间的概率值,从而表示违约的可能性。 四、支持向量机模型 支持向量机是一种用于监督学习的算法,适用于数据维度高、样本量小的情况。在信用分析中,该方法能够通过寻找最佳分割面,区分违约与非违约客户。通过选用不同核函数,可应对复杂的非线性关系,提升预测精度。 五、数据预处理步骤 在建模前,需对原始数据进行清理与转换,包括处理缺失值、识别异常点、标准化数值、筛选有效特征等。对于信用评分,常见的输入变量包括收入水平、负债比例、信用历史记录、职业稳定性等。预处理有助于减少噪声干扰,增强模型的适应性。 六、模型构建与验证 借助Sklearn,可以将数据集划分为训练集和测试集,并通过交叉验证调整参数以提升模型性能。常用评估指标包括准确率、召回率、F1值以及AUC-ROC曲线。在处理不平衡数据时,更应关注模型的召回率与特异性。 七、集成学习方法 为提升模型预测能力,可采用集成策略,如结合多个模型的预测结果。这有助于降低单一模型的偏差与方差,增强整体预测的稳定性与准确性。 综上,基于机器学习的信用评估系统可通过Sklearn中的多种算法,结合合理的数据处理与模型优化,实现对借款人信用状况的精准判断。在实际应用中,需持续调整模型以适应市场变化,保障预测结果的长期有效性。 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