蓝桥杯 数组求和 C++算法提高 HERODING的蓝桥杯之路

资源限制
时间限制:1.0s 内存限制:256.0MB
问题描述
  输入n个数,围成一圈,求连续m(m<n)个数的和最大为多少?
输入格式
  输入的第一行包含两个整数n, m。第二行,共n个整数。
输出格式
  输出1行,包含一个整数,连续m个数之和的最大值。
样例输入
10 3
9 10 1 5 9 3 2 6 7 4
样例输出
23
数据规模和约定
  0<m<n<1000, -32768<=输入的每个数<=32767。

解题思路:
这道题目可以用枚举的方法求解,每个含有n个数据的数组,有n个不同的连续m个的情况,所以只要把每一种列出来即可,要注意数组形成环,要取余。代码如下:

#include<bits/stdc++.h>

using namespace std;

int main(){
	int n, m;
	int a[1000];
	cin >> n >> m;
	for(int i = 0; i < n; i ++){
		cin >> a[i];
	}
	int max = a[0] + a[1] + a[2];
	int time = 0;
	int index = 0;
	while(time < n){
		int sum = 0;
		for (int j = 0; j < m; j ++){
			sum += a[(index + j) % n];
		}
		if(sum > max){
			max = sum;
		}
		index = (index + 1) % n;
		time ++;
	}
	cout << max;
	return 0;
} 

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
GPT在NER(命名实体识别)任务上的表现相对较低。GPT是一个文本生成模型,而NER是一个序列标记任务,这两者的任务性质不同。为了弥补这种差距,研究人员提出了GPT-NER模型,将序列标记任务转换为GPT的生成任务。GPT-NER通过将需要提取的实体标记添加到生成的文本中来完成NER任务。此外,为了解决GPT-NER模型中的幻觉问题,研究人员还提出了自我验证策略,即提示GPT-NER询问自己提取的实体是否属于标记的实体标签。在多个广泛使用的数据集上,GPT-NER实现了与完全监督基线相当的性能,并且在小样本场景下表现优于监督模型。\[2\]\[3\] #### 引用[.reference_title] - *1* [GPT 应该存在吗?](https://blog.csdn.net/csdnnews/article/details/130939444)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [【论文精读】GPT-NER: Named Entity Recognition via Large Language Models](https://blog.csdn.net/HERODING23/article/details/130476395)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^koosearch_v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

HERODING77

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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