uva 11728 Alternate Task

  vjudge 上题目链接:uva 11728

  其实是个数论水题,直接打表就行:

 1 #include<cstdio>
 2 #include<algorithm>
 3 using namespace std;
 4 
 5 int ans[1003];
 6 inline void init(int n = 1000) {
 7     for(int i = 1; i <= n; ++i) {
 8         int sum = 0;
 9         for(int j = 1; j <= i; ++j)
10             if(i % j == 0)   sum += j;
11         if(sum <= 1000)   ans[sum] = i;
12     }
13 }
14 
15 int main() {
16     int s,Case = 0;
17     init();
18     while(~scanf("%d",&s),s)
19         printf("Case %d: %d\n",++Case, !ans[s]? -1: ans[s]);
20     return 0;
21 }

  可我一开始却杀鸡用了牛刀,想得超复杂,就因为大白书上提示"唯一分解定理,回溯"什么的,于是我就按着这样的思路去做了,结果写得超复杂,感觉过了也没有任何意义了。。。

 1 #include<cstdio>
 2 #include<cstring>
 3 #include<vector>
 4 #include<algorithm>
 5 using namespace std;
 6 
 7 bool vis[1060];
 8 int pri[200];
 9 inline int init_pri(int n = 1050) {
10     int c = 0;
11     for(int i = 2; i <= n; ++i)
12         if(!vis[i]) {
13             pri[++c] = i;
14             for(int j = i << 1; j <= n; j += i)    vis[j] = 1;
15         }
16     return c;
17 }
18 
19 struct node {
20     int sum, p, r, pow;
21     node() {}
22     node(int sum, int p, int r, int pow): sum(sum), p(p), r(r), pow(pow) {}
23     bool operator < (const node & n2) const {
24         if(sum == n2.sum)   return p < n2.p;
25         return sum < n2.sum;
26     }
27     void print() const {
28         printf("sum = %d  p = %d  r = %d  pow = %d\n",sum,p,r,pow);
29     }
30 };
31 
32 vector<node> fac;
33 
34 inline void init() {
35     init_pri();
36     for(int i = 1; pri[i] <= 1020; ++i) {
37         int sum = 1, mul = 1, len = 0;
38         while(sum <= 1020) {
39             mul *= pri[i];
40             sum += mul;
41             if(sum > 1020)  break;
42             fac.push_back(node(sum, pri[i], ++len, mul));
43         }
44     }
45     sort(fac.begin(), fac.end());
46 }
47 
48 int find(const vector<node> &c, int low, int up, int x) {
49     int mid;
50     while(low <= up) {
51         mid = low + up >> 1;
52         if(c[mid].sum == x)   return mid;
53         else if(x < c[mid].sum)    up = mid - 1;
54         else    low = mid + 1;
55     }
56     return low;
57 }
58 
59 int ans;
60 bool sign[1030];
61 
62 void dfs(int s, int id, int n) {
63     if(s == 1) {
64         if(n > ans)  ans = n;
65         return ;
66     }
67     if(s <= 0 || id < 0)   return ;
68     if(!sign[fac[id].p] && s % fac[id].sum == 0) {
69         sign[fac[id].p] = 1;
70         dfs(s / fac[id].sum, id - 1, n * fac[id].pow);
71         sign[fac[id].p] = 0;
72     }
73     dfs(s, id - 1, n);
74 }
75 
76 int main() {
77     int s, Case = 0;
78     init();
79     while(~scanf("%d",&s), s) {
80         printf("Case %d: ",++Case);
81         if(s == 1) {
82             puts("1");
83             continue;
84         }
85         if(s == 2) {
86             puts("-1");
87             continue;
88         }
89         ans = -1;
90         int id = find(fac, 0, fac.size() - 1, s);
91         if(fac[id].sum > s)   --id;
92         memset(sign, 0, sizeof(sign));
93         dfs(s, id, 1);
94         printf("%d\n",ans);
95     }
96     return 0;
97 }
View Code

转载于:https://www.cnblogs.com/Newdawn/p/4712842.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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