下沉的船

本文介绍了一个基于Java实现的逃生船问题解决方案,通过不同身份的人按照特定优先级顺序上船,展示了如何使用ArrayList来分组存储数据,并按顺序输出上船名单。

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

Problem Description

身份优先级: woman = child > man > captain.

多组数据(少于组),每一组有一个整数,代表船上有个人,接下来行,每行有一个名字和他的身份。名字字符长度小于。数据保证不存在重名,注意可能存在多名船长

Output
 输出n行,每一行输出一个名字,先上船的名字在前面。
Sample Input
6
Jack captain
Alice woman
Charlie man
Teddy woman
Bob child
Julia woman
Sample Output
Alice
Teddy
Bob
Julia
Charlie
Jack
Hint
import java.util.*;

import javax.print.DocFlavor.STRING;
public class Main {
	public static void main(String args[]) {
		Scanner cin = new Scanner(System.in);
		while(cin.hasNext()) {
			int n = cin.nextInt();
			List<String> a = new ArrayList<String>();
			List<String> b = new ArrayList<String>();
			List<String> c = new ArrayList<String>();
			for(int i = 0; i < n; i++) {
				String s1 = cin.next();
				String s2 = cin.next();
				if(s2.equals("woman") || s2.equals("child")) {
					a.add(s1);
				}
				if(s2.equals("man")) {
					b.add(s1);
				}
				if(s2.equals("captain")) {
					c.add(s1);
				}
			}
			for(String i:a) {
				System.out.println(i);
			}
			for(String i:b) {
				System.out.println(i);
			}
			for(String i:c) {
				System.out.println(i);
			}
		}
	}
}

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