Lunch Break Gym101498C

一道水题。。。强迫症,还是发篇博

题意:给你三个数据,让你输出第几个是最小的,First, Second, Third。就酱。。。

思路:比较大小。。。

代码:

#include<cstdio>
#include<cstring>
#include<cstdlib>
#include<stack>
#include<queue>
#include<utility>
#include<vector>
#include<cmath>
#include<set>
#include<map>
#include<iostream>
#include<algorithm>
using namespace std;
typedef long long LL;

int main()
{
    //freopen("in.txt", "r", stdin);
    int T;
    scanf("%d", &T);
    while(T--){
        int a, b, c;
        scanf("%d%d%d", &a, &b, &c);
        int d = min(min(a, b), c);
        if(d == a) printf("First\n");
        else if(d == b) printf("Second\n");
        else printf("Third\n");
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在VSCode中使用OpenAI Gym进行强化学习开发的步骤如下: 1. 确保您已经在您的Python环境中安装了OpenAI Gym。您可以使用以下命令来安装: ```shell pip install gym ``` 2. 打开VSCode,并创建一个新的Python文件或打开一个已有的Python文件。 3. 在文件开头导入`gym`模块: ```python import gym ``` 4. 使用`gym.make()`函数创建一个Gym环境对象。例如,创建一个CartPole环境: ```python env = gym.make('CartPole-v1') ``` 5. 使用`env.reset()`函数来重置环境并获取初始状态: ```python observation = env.reset() ``` 6. 使用`env.step()`函数来执行动作并获取下一个状态、奖励和是否终止的信息。例如,执行一个随机动作并获取结果: ```python action = env.action_space.sample() # 随机选择一个动作 observation, reward, done, info = env.step(action) ``` 7. 您可以使用循环来与环境交互,执行动作并更新状态,直到达到终止条件。例如,使用一个简单的随机策略来玩CartPole游戏: ```python env = gym.make('CartPole-v1') observation = env.reset() for _ in range(1000): # 最多运行1000步 env.render() # 渲染环境(可选) action = env.action_space.sample() # 随机选择一个动作 observation, reward, done, info = env.step(action) if done: # 如果游戏结束,退出循环 break ``` 8. 运行代码,您将看到Gym环境的图形界面以及与环境的交互过程。 请注意,一些Gym环境可能需要其他依赖项。例如,CartPole环境需要`pyglet`库。您可以使用以下命令安装所需的依赖项: ```shell pip install pyglet ``` 这样,您就可以在VSCode中使用OpenAI Gym进行强化学习开发了。如果您有任何其他问题,请随时提问。
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