表格计算--第六届蓝桥杯国赛题五

题目:

某次无聊中, atm 发现了一个很老的程序。这个程序的功能类似于 Excel ,它对一个表格进行操作。
不妨设表格有 n 行,每行有 m 个格子。
每个格子的内容可以是一个正整数,也可以是一个公式。
公式包括三种:
1. SUM(x1,y1:x2,y2) 表示求左上角是第 x1 行第 y1 个格子,右下角是第 x2 行第 y2 个格子这个矩形内所有格子的值的和。
2. AVG(x1,y1:x2,y2) 表示求左上角是第 x1 行第 y1 个格子,右下角是第 x2 行第 y2 个格子这个矩形内所有格子的值的平均数。
3. STD(x1,y1:x2,y2) 表示求左上角是第 x1 行第 y1 个格子,右下角是第 x2 行第 y2 个格子这个矩形内所有格子的值的标准差。

标准差即为方差的平方根。
方差就是:每个数据与平均值的差的平方的平均值,用来衡量单个数据离开平均数的程度。

公式都不会出现嵌套。

如果这个格子内是一个数,则这个格子的值等于这个数,否则这个格子的值等于格子公式求值结果。

输入这个表格后,程序会输出每个格子的值。atm 觉得这个程序很好玩,他也想实现一下这个程序。

「输入格式」
第一行两个数 n, m 。
接下来 n 行输入一个表格。每行 m 个由空格隔开的字符串,分别表示对应格子的内容。
输入保证不会出现循环依赖的情况,即不会出现两个格子 a 和 b 使得 a 的值依赖 b 的值且 b 的值依赖 a 的值。

「输出格式」
输出一个表格,共 n 行,每行 m 个保留两位小数的实数。
数据保证不会有格子的值超过 1e6 。

「样例输入」
3 2
1 SUM(2,1:3,1)
2 AVG(1,1:1,2)
SUM(1,1:2,1) STD(1,1:2,2)

「样例输出」
1.00 5.00
2.00 3.00
3.00 1.48

 思路:

首先要将这n行m列的数据用String类型二维数组存放起来,然后我们仍然需要用一个二维数组存放已得出数字,并且需要标记它是否为已得出,因此用boolean值来标记。

代码:

public class LQB6biaogetianshu {
	public static String[][] arr;
	public static double[][] number;
	public static boolean[][] isNumber;
	public static void main(String[] args) {
		// TODO Auto-generated method stub
		Scanner sc = new Scanner(System.in);
		int n = sc.nextInt();
		int m = sc.nextInt();
		arr = new String[n+1][m+1];
		isNumber = new boolean[n+1][m+1];
		number = new double[n+1][m+1];
		for(int i = 1;i <= n; i++){
			for(int j = 1; j <= m; j++){
				arr[i][j] = sc.next();
				int temp = arr[i][j].charAt(0);
				if(temp >= 48 && temp <= 57){
					isNumber[i][j] = true;
					number[i][j] = Double.valueOf(arr[i][j]);
				}
			}
		}
		for(int i = 1;i <= n; i++){
			for(int j = 1; j <= m; j++){
				if(!isNumber[i][j])
					fun(arr[i][j],i,j);
			}
		}
		DecimalFormat format = new DecimalFormat("0.00");
		for(int i = 1;i <= n; i++){
			for(int j = 1; j <= m; j++){
				System.out.print(format.format(number[i][j])+" ");
			}
			System.out.println();
		}
	}
 
	private static Double fun(String arr,int i,int j) {
		if(arr.startsWith("SUM")){
			if(isNumber[i][j]){
				return number[i][j];
			}else{
				number[i][j] = sum(arr.charAt(4)-48,arr.charAt(6)-48,arr.charAt(8)-48,arr.charAt(10)-48);
				isNumber[i][j] = !isNumber[i][j];
				return number[i][j];
			}
		}else if(arr.startsWith("AVG")){
			if(isNumber[i][j]){
				return number[i][j];
			}else{
				number[i][j] = avg(arr.charAt(4)-48,arr.charAt(6)-48,arr.charAt(8)-48,arr.charAt(10)-48);
				isNumber[i][j] = !isNumber[i][j];
				return number[i][j];
			}
		}else{
			if(isNumber[i][j]){
				return number[i][j];
			}else{
				number[i][j] = std(arr.charAt(4)-48,arr.charAt(6)-48,arr.charAt(8)-48,arr.charAt(10)-48);
				isNumber[i][j] = !isNumber[i][j];
				return number[i][j];
			}
		}
	}
 
	private static double std(int x1, int y1, int x2, int y2) {
		// TODO Auto-generated method stub
		double avg = avg(x1,y1,x2,y2);
		double temp = 0;int count = 0;
		for(int i = x1;i <= x2; i++){
			for(int j = y1; j <= y2; j++){
				temp += Math.pow((fun(arr[i][j],i,j) - avg), 2);
				count++;
			}
		}
		return Math.sqrt(temp/count);
	}
 
	private static double avg(int x1, int y1, int x2, int y2) {
		// TODO Auto-generated method stub
		double temp = 0;int count = 0;
		for(int i = x1;i <= x2; i++){
			for(int j = y1; j <= y2; j++){
				temp += fun(arr[i][j],i,j);
				count++;
			}
		}
		return temp/count;
	}
 
	private static double sum(int x1, int y1, int x2, int y2) {
		// TODO Auto-generated method stub
		double temp = 0;
		for(int i = x1;i <= x2; i++){
			for(int j = y1; j <= y2; j++){
				if(isNumber[i][j]){
					temp += number[i][j];
				}else{
					temp += fun(arr[i][j],i,j);
				}
			}
		}
		return temp;
	}

}

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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