【结构体排序+同分数进一步排名+输入格式控制】HDU-1084 What Is Your Grade?

在这里插入图片描述
在这里插入图片描述

注解

1、结构体排序:首先按做对的题数降序,然后按消耗的时间升序。
2、对于做对同样题目数量的同学来说,消耗时间在同样题目数前一半的同学与后一半的同学,分数是不同的,因此要统计出所有同学做对题目数量的个数,然后针对做对1,2,3,4道题目的同学,依据其消耗的时间是在前一半还是后一半,对其进行打分。

代码

#include <iostream>
#include <algorithm>
#include <cstring>

using namespace std;

int score[6][2] = { {50, 50}, {60, 65}, {70, 75},
    {80, 85}, {90, 95}, {100, 100}
};

struct Stu {
    int id;
    int num;
    int tim;
    int score;
};

int compare(Stu a, Stu b) {
    if(a.num!=b.num) {
        return a.num>b.num;
    } else {
        return a.tim<b.tim;
    }
}

int compare2(Stu a, Stu b) {
    return a.id<b.id;
}

int main() {

    int N;
    scanf("%d", &N);
    while(N>0) {
        int sum[6];
        memset(sum, 0, sizeof(sum));
        Stu stu[N];
        int hh, mm, ss;
        int num;
        for(int i=0; i<N; i++) {
            scanf("%d %d:%d:%d", &num, &hh, &mm, &ss);
            sum[num]++;
            stu[i].id = i;
            stu[i].num = num;
            stu[i].tim = hh*3600 + mm*60 + ss;
        }
        sort(stu, stu+N, compare);
        
        int pos[6] = {1, 1, 1, 1, 1, 1};
        for(int i=0; i<N; i++) {
            if(stu[i].num==0 || stu[i].num==5) {
                stu[i].score = score[stu[i].num][0];
            } else if(sum[stu[i].num]==1) {
                stu[i].score = score[stu[i].num][1];
            } else {
                int tmpNum = stu[i].num;
                if(pos[tmpNum]<=sum[tmpNum]/2) {
                    stu[i].score = score[stu[i].num][1];
                } else {
                    stu[i].score = score[stu[i].num][0];
                }
                pos[tmpNum]++;
            }
        }

        sort(stu, stu+N, compare2);
        for(int i=0; i<N; i++) {
            printf("%d\n", stu[i].score);
        }
        printf("\n");

        scanf("%d", &N);
    }

    return 0;
}

结果

在这里插入图片描述

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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
 
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