蓝桥杯 成绩排序 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
  给出n个学生的成绩,将这些学生按成绩排序,
  排序规则,优先考虑数学成绩,高的在前;数学相同,英语高的在前;数学英语都相同,语文高的在前;三门都相同,学号小的在前
输入格式
  第一行一个正整数n,表示学生人数
  接下来n行每行3个0~100的整数,第i行表示学号为i的学生的数学、英语、语文成绩
输出格式
  输出n行,每行表示一个学生的数学成绩、英语成绩、语文成绩、学号
  按排序后的顺序输出
样例输入
2
1 2 3
2 3 4
样例输出
2 3 4 2
1 2 3 1
数据规模和约定
  n≤100

解题思路:
结构体的定义,可以理解成二维数组,这样就好理解多,那么每次的遍历是对每个二维数组进行遍历,对每个二维数组里面的一维数组进行判断并因此交换位置,最后输出,代码如下:

#include<bits/stdc++.h>

using namespace std;

struct Student{
	int id;
	int score[3];
}student[100];

int main(){
	int n, i, j;
	cin >> n;
	for(i = 0; i < n; i ++){
		student[i].id = i + 1;
		for(j = 0; j < 3; j ++){
			cin >> student[i].score[j];
		}
	}
	for (i = 0; i < n - 1; i ++){
		for(j = 0; j < n - i - 1; j ++){
			Student s = student[j];
			if(student[j].score[0] < student[j + 1].score[0]){
				student[j] = student[j + 1];
				student[j + 1] = s;
			}else if(student[j].score[0] == student[j + 1].score[0] && student[j].score[1] < student[j + 1].score[1]){
				student[j] = student[j + 1];
				student[j + 1] = s;
			}else if(student[j].score[0] == student[j + 1].score[0] && student[j].score[1] == student[j + 1].score[1] && student[j].score[2] < student[j + 1].score[2]){
				student[j] = student[j + 1];
				student[j + 1] = s;
			}else if(student[j].score[0] == student[j + 1].score[0] && student[j].score[1] == student[j + 1].score[1] && student[j].score[2] == student[j + 1].score[2] && student[j].id > student[j + 1].id){
				student[j] = student[j + 1];
				student[j + 1] = s;
			}else{
				continue;
			}
		}
	}
	for(i = 0; i < n; i++){
		for(j = 0; j < 3; j ++){
			cout << student[i].score[j] << " ";
		}
		cout << student[i].id << endl;
	}
	
	return 0;
}
  • 1
    点赞
  • 3
    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 ]
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