打僵尸

/*★实验任务
夜幕降临时,克林庄园就会受到僵尸入侵。庄主为了保护自己不被僵尸吃掉脑袋,在庄园周围栽种了土豆垒墙进行防御,僵尸太多自己一个人应付不来,于是就在垒墙后种植了炮花来射击入侵的僵尸。 已知不同的僵尸具有不同的生命值blood,blood值越大僵尸越难被打倒。不同种类的炮花可以对僵尸造成不同的伤害值hurt,hurt越大,击毙僵尸的速度越快。 庄主事先知道了每个僵尸出现的位置,为了尽快铲除僵尸,庄主决定用伤害值大的炮花去对付生命值大的僵尸。 建立一个结构体st1,包括两个整型数据成员,分别为num1,blood,表示僵尸的属性 建立一个结构体st2,包括两个整型数据成员,分别为num2,hurt,表示炮花的属性

★输入格式
第一行输入正整数n(0 <= n <= 100000),表示一共有n个僵尸,n个炮花。 接下来输入2n行数据。 前n行每行输入个正整数num1,blood,num1表示僵尸的代号,blood表示僵尸的生命值。 后n行每行输入两个正整数num2,hurt,num2表示炮花的代号,hurt表示炮花的伤害值。(num1,num2都是大于0小于等于n的正整数)

★输出格式
输出庄主即将布置的炮花的代号

★输入样例
5

1 100

2 50

3 40

4 60

5 80

1 20

2 50

3 80

4 60

5 100

★输出样例
5 2 1 4 3

★Hint
1号僵尸生命值最大,需攻击值最大的5号炮花去攻击。2号僵尸需2号炮花对付。3号僵尸生命值最小由攻击值最小的1号炮花对付。4号僵尸由4号炮花对付。5号僵尸由3号炮花对付。 
*/ 
#include <stdio.h>
int main()
{
	int n,i,j;
	scanf("%d",&n);
	int a[n+1],anum[n+1],b[n+1],bnum[n+1],c[n+1];
	for(i=1;i<=n;i++)
	{
		scanf("%d%d",&a[i],&anum[i]);//输入序号和血量 
	}
	for(i=1;i<=n;i++)
	{
		scanf("%d%d",&b[i],&bnum[i]);
	}
	for(i=1;i<=n;i++)//用冒泡法给序号和数值排序,此时数组的值是他们的代号,而数组的序号变成他们在队伍中的顺序 
	{
		for(j=1;j<=n-i;j++)
		{
			if(anum[j]<anum[j+1])
			{
				int temp1=anum[j+1];
				anum[j+1]=anum[j];
				anum[j]=temp1;
				int temp2=a[j+1];
				a[j+1]=a[j];
				a[j]=temp2;
			}
		}
	}
	for(i=1;i<=n;i++)
	{
		for(j=1;j<=n-i;j++)
		{
			if(bnum[j]<bnum[j+1])
			{
				int temp=bnum[j+1];
				bnum[j+1]=bnum[j];
				bnum[j]=temp;
				temp=b[j+1];
				b[j+1]=b[j];
				b[j]=temp;
			}
		}
	}
	for(i=1;i<=n;i++)//因为a[i]的值是他们的代号,需要和数组序号身份调换。也就是让c[i]变成他们的顺序,i是他们的代号。 c[i]代表代号为i的僵尸血量排名为c[i]。 
	{
		j=a[i];
		c[j]=i;
	}
	for(i=1;i<=n;i++)
	{
		printf("%d\n",b[c[i]]); //b[i]是豌豆射手的代号。i是豌豆射手的排位。而c[i]也是僵尸的排位。这样做就是让豌豆射手和僵尸属性值排位相同的相配对,这个排位对应的豌豆射手的代号。 
	}
	return 0;
}
资源下载链接为: https://pan.quark.cn/s/d37d4dbee12c A:计算机视觉,作为人工智能领域的关键分支,致力于赋予计算机系统 “看懂” 世界的能力,从图像、视频等视觉数据中提取有用信息并据此决策。 其发展历程颇为漫长。早期图像处理技术为其奠基,后续逐步探索三维信息提取,与人工智能结合,又经历数学理论深化、机器学习兴起,直至当下深度学习引领浪潮。如今,图像生成和合成技术不断发展,让计算机视觉更深入人们的日常生活。 计算机视觉综合了图像处理、机器学习、模式识别和深度学习等技术。深度学习兴起后,卷积神经网络成为核心工具,能自动提炼复杂图像特征。它的工作流程,首先是图像获取,用相机等设备捕获视觉信息并数字化;接着进行预处理,通过滤波、去噪等操作提升图像质量;然后进入关键的特征提取和描述环节,提炼图像关键信息;之后利用这些信息训练模型,学习视觉模式和规律;最终用于模式识别、分类、对象检测等实际应用。 在实际应用中,计算机视觉用途极为广泛。在安防领域,能进行人脸识别、目标跟踪,保障公共安全;在自动驾驶领域,帮助车辆识别道路、行人、交通标志,实现安全行驶;在医疗领域,辅助医生分析医学影像,进行疾病诊断;在工业领域,用于产品质量检测、机器人操作引导等。 不过,计算机视觉发展也面临挑战。比如图像生成技术带来深度伪造风险,虚假图像和视频可能误导大众、扰乱秩序。为此,各界积极研究检测技术,以应对这一问题。随着技术持续进步,计算机视觉有望在更多领域发挥更大作用,进一步改变人们的生活和工作方式 。
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