SDUT Problem_5 二哥的狗(水题)

题目链接:

二哥的狗
(在重现比赛里,可能随时消失,题目也找不到,这里把题目描述发一下好了)

第一学期已经接近尾声了,通往寒假的大门由八位Exam把守。
作为Exam大家族里的二哥,当然要比之前那些Exam们要凶恶的多。
二哥养了一群恶犬,如果你能战胜他们,二哥就放你过去。
当然不是让你赤手空搏,二哥也给你准备了同样数目的几只恶犬。
已知你的每只恶犬只能攻击二哥对应位置的恶犬,
当你的某只恶犬进行攻击时,会同时遭受敌方和其左右两只恶犬的攻击,如果某侧没有恶犬或者已被消灭,则该侧不会对你的恶犬造成伤害。
已知每只斗犬的攻击力,如果你的当前进行攻击的恶犬攻击力大于等于对方及左右两侧恶犬造成的总攻击力,就可以消灭掉敌方对应的那一只恶犬,否则不能消灭对方。


题目大意:

就是输入来个等长的数组,然后把两个数组相同位置的数比较,假设输入a, b两个数组,如果b[i] >= a[i-1]+a[i]+a[i+1],那么第一个数组的a[i]就会被攻击掉,不再提供战斗力了。


解题过程:

  • 做这个题的曲线也是比较曲折的,花了将近半小时,如果考试的时候就GG了。
  • 刚开始一个思路时,从两部逐渐比较,比如定义head=0,tail定义尾部,然后先比较head,然后head++,再比较tail,tail–。
  • 这么想也是因为边界只有两条恶犬,赢得概率大点23333.
  • 然后WA了。
  • 这里写图片描述
  • 显然是不对的,随便可以出一组数据就GG了,比如
    • 1 2 1
    • 1 4 1
  • 如果这样先从两边往中间凑的话,两边都无法操纵就GG了,当初是为了O(n)的结果来的。
  • 然后就开始暴力两个for遍历就好了,显然是可以的,不过不知道我那里写错了,最后TLE,不过这样不太优雅~正好突然想起来一个思路,就是接下来题目分析上说的了,虽然TLE了一次,是因为已经攻击的狗又攻击了一次,处理一下就AC了。
  • -

题目分析:

  • 首先一个循环把每个恶犬都遍历一遍。
  • 每条狗都尝试去进攻一下。
    • 如果攻击成功的话就去让这条狗的左右两条狗去攻击下,因为一条狗攻击成功的话,那么它左右两条狗攻击成功所需要的攻击力就会刷新(减少)了。
    • 如果不成功的话继续尝试下一条狗。
  • 最后结束上面的尝试后,再来一个for检查下二哥的狗是不是全部被咬死了就可以了。
  • 这样虽然最差的情况是O(n^2+n),但是感觉平均起来要好不少。

AC代码:

#include<iostream>
#include<cstring>
using namespace std;

int n;
int data1[11234], data2[11234];

void attack(int i)
{
    if (data1[i] == 0)
        return;

    int temp = data1[i]+data1[i+1]+data1[i-1];
    if (data2[i] >= temp && temp)
    {
        data1[i] = 0;
        if (i-1 >= 1)
            attack(i-1);
        if (i+1 <= n)
            attack(i+1);
    }
}

int judge()
{
    for (int i = 1; i <= n; i++)
        attack(i);

    for (int i = 0; i <= n; i++)
        if (data1[i])
            return 0;

    return 1;
}

int main()
{
    while (cin >> n)
    {
        memset(data1,0,sizeof(data1));
        memset(data2,0,sizeof(data2));

        for (int i = 1; i <= n; i++)
            cin >> data1[i];
        for (int i = 1; i <= n; i++)
            cin >> data2[i];

        if (judge())
            cout << "Fighting!!!" << endl;
        else
            cout << "QAQ!!!" << endl;
    }
}
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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