牛客网-贪心-扫描透镜

https://www.nowcoder.com/questionTerminal/6a219d196df44d3abd82fbadb1a62c3f?orderByHotValue=1&questionTypes=000100&mutiTagIds=592&page=1&onlyReference=false

在N*M的草地上,提莫种了K个蘑菇,蘑菇爆炸的威力极大,兰博不想贸然去闯,而且蘑菇是隐形的.只 有一种叫做扫描透镜的物品可以扫描出隐形的蘑菇,于是他回了一趟战争学院,买了2个扫描透镜,一个 扫描透镜可以扫描出(3*3)方格中所有的蘑菇,然后兰博就可以清理掉一些隐形的蘑菇. 问:兰博最多可以清理多少个蘑菇?
注意:每个方格被扫描一次只能清除掉一个蘑菇。
输入描述:
第一行三个整数:N,M,K,(1≤N,M≤20,K≤100),N,M代表了草地的大小;
接下来K行,每行两个整数x,y(1≤x≤N,1≤y≤M).代表(x,y)处提莫种了一个蘑菇.
一个方格可以种无穷个蘑菇.


输出描述:
输出一行,在这一行输出一个整数,代表兰博最多可以清理多少个蘑菇.

#include <stdio.h>
#include <stdlib.h>
#include <cstring>
#include <math.h>
int main(){
    int n,m,k;

    int N[22][22];
    int fx[]={1,1,1,0,0,-1,-1,-1};
    int fy[]={1,0,-1,1,-1,1,0,-1};
    while(scanf("%d %d %d",&n,&m,&k)!=EOF){


        for(int i=0;i<=n;++i)
            for(int j=0;j<=m;++j)
                N[i][j]=0;
        int x,y;
        for(int i=0;i<k;++i)
        {
            scanf("%d %d",&x,&y);
            N[x][y]++;
        }

//          for(int i=1;i<=n;++i)
//            {
//                for(int j=1;j<=m;++j){
//
//                printf("%d ",N[i][j]);
//                }
//                printf("\n");
//            }



        int px,py,cx=1,cy=1,s=0,total=0;
        for(int i=1;i<=n;++i)
            for(int j=1;j<=m;++j){
            x = i;
            y = j;
            int sum=0;
            for(int l=0;l<8;++l){
                px = x+fx[l];
                py = y+fy[l];
                if(px<1||py<1||px>n||py>m)
                    continue;
                if(N[px][py]>0)
                    sum++;
            }
            if(N[x][y]>0)
                sum++;
            if(sum>s){
                s=sum;
                cx=i;
                cy=j;
            }

        }

        for(int l=0;l<8;++l){
                px = cx+fx[l];
                py = cy+fy[l];
                if(px<1||py<1||px>n||py>m)
                    continue;
                if(N[px][py]>0)
                {
                    N[px][py]--;

                }
        }
        if(N[cx][cy]>0)
        {
            N[cx][cy]--;

        }
        total+=s;

//        printf("%d %d\n",cx,cy);
//
//
//          for(int i=1;i<=n;++i)
//            {
//                for(int j=1;j<=m;++j){
//
//                printf("%d ",N[i][j]);
//                }
//                printf("\n");
//            }


        s=0;
        for(int i=1;i<=n;++i)
            for(int j=1;j<=m;++j){
            x = i;
            y = j;
            int sum=0;
            for(int l=0;l<8;++l){
                px = x+fx[l];
                py = y+fy[l];
                if(px<1||py<1||px>n||py>m)
                    continue;
                if(N[px][py]>0)
                    sum++;
            }
            if(N[x][y]>0)
                sum++;
            if(sum>s){
                s=sum;
                cx=i;
                cy=j;
            }

        }

        total+=s;


 //   printf("%d %d\n",cx,cy);

        printf("%d\n",total);

    }

    return 0;
}
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。
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