【无标题】

本文介绍了一个编程问题,要求在给定一个8位数日期N后,找到下一个回文日期(如20211202)和ABABBABA型回文日期(如21211212)。程序通过遍历年、月、日组合来寻找这两个类型的特殊日期。
摘要由CSDN通过智能技术生成

2020年春节期间,有一个特殊的日期引起了大家的注意:2020年2月2日。因为如果将这个日期按“yyyymmdd”的格式写成一个8位数是20200202,恰好是一个回文数。我们称这样的日期是回文日期。有人表示20200202是“千年一遇”的特殊日子。对此小明很不认同,因为不到2年之后就是下一个回文日期:20211202即2021年12月2日。也有人表示20200202并不仅仅是一个回文日期,还是一个ABABBABA型的回文日期。对此小明也不认同,因为大约100年后就能遇到下一个ABABBABA型的回文日期:21211212即2121年12月12日。算不上“千年一遇”,顶多算“千年两遇”。给定一个8位数的日期,请你计算该日期之后下一个回文日期和下一个ABABBABA型的回文日期各是哪一天。


【输入格式】
输入包含一个八位整数N,表示日期。


【输出格式】
输出两行,每行1个八位数。第一行表示下一个回文日期,第二行表示下一个ABABBABA型的回文日期。


【样例输入】
20200202


【样例输出】
20211202
21211212


【评测用例规模与约定】
对于所有评测

#include<stdio.h>

int ishw(int num){
	int m1,m2,m3,m4,m5,m6,m7,m8;
	m1=num%10;
	m2=num/10%10;
	m3=num/100%10;
	m4=num/1000%10;
	m5=num/10000%10;
	m6=num/100000%10;
	m7=num/1000000%10;
	m8=num/10000000%10;
	
	if(m1==m8&&m2==m7&&m3==m6&&m4==m5){
		return 1;
	}
	else{
		return 0;
	}
}

int isab(int num){
	int m1,m2,m3,m4,m5,m6,m7,m8;
	m1=num%10;
	m2=num/10%10;
	m3=num/100%10;
	m4=num/1000%10;
	m5=num/10000%10;
	m6=num/100000%10;
	m7=num/1000000%10;
	m8=num/10000000%10;
	
	if(m1==m3&&m3==m6&&m6==m8&&m2==m4&&m4==m5&&m5==m7){
		return 1;
	}
	else{
		return 0;
	}
}


int main(){
	int n,i,j,k,s;
	scanf("%d",&n);
	for(i=0;i<1100;i++){
		for(j=1;j<=12;j++){
			for(k=0;k<=31;k++){
				s=n+i*1000+j*100+k;
				if(ishw(s)==1){
					printf("回文年为%d\n",s);
					if(isab(s)==1){
					printf("ABABBABA型的回文日期为%d\n",s);
				}
				}
				
			}
		}
	}
	
}

用例,10000101 <= N <= 89991231,保证N是一个合法日期的8位数表示。

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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