PAT 1035 插入排序和归并排序

这是一篇关于PAT乙集1035题目的博客,讨论如何判断给定的中间序列是由插入排序还是归并排序产生的。作者最初尝试直接模拟排序过程,但在AC时遇到问题。通过分析,作者发现归并排序应采用自底向上的方法,并且插入排序部分不需要完全模拟,而是可以使用更巧妙的算法来解决。博客中提到了参考的解决方案和代码实现。
摘要由CSDN通过智能技术生成

PAT乙集找到了一个比较有意思的题目:

1035. 插入与归并(25)

时间限制
200 ms
内存限制
65536 kB
代码长度限制
8000 B
判题程序
Standard
作者
CHEN, Yue

根据维基百科的定义:

插入排序是迭代算法,逐一获得输入数据,逐步产生有序的输出序列。每步迭代中,算法从输入序列中取出一元素,将之插入有序序列中正确的位置。如此迭代直到全部元素有序。

归并排序进行如下迭代操作:首先将原始序列看成N个只包含1个元素的有序子序列,然后每次迭代归并两个相邻的有序子序列,直到最后只剩下1个有序的序列。

现给定原始序列和由某排序算法产生的中间序列,请你判断该算法究竟是哪种排序算法?

输入格式:

输入在第一行给出正整数N (<=100);随后一行给出原始序列的N个整数;最后一行给出由某排序算法产生的中间序列。这里假设排序的目标序列是升序。数字间以空格分隔。

输出格式:

首先在第1行中输出“Insertion Sort”表示插入排序、或“Merge Sort”表示归并排序;然后在第2行中输出用该排序算法再迭代一轮的结果序列。题目保证每组测试的结果是唯一的。数字间以空格分隔,且行末不得有多余空格。

输入样例1:
10
3 1 2 8 7 5 9 4 6 0
1 2 3 7 8 5 9 4 6 0
输出样例1:
Insertion Sort
1 2 3 5 7 8 9 4 6 0
输入样例2:
10
3 1 2 8 7 5 9 4 0 6
1 3 2 8 5 7 4 9 0 6
输出样例2:
Merge Sort
1 2 3 8 4 5 7 9 0 6

最初的思路是直接模拟,然后每一次迭代的时候比较并记录结果。

写了一遍,AC失败……

最开始的问题是归并排序,我用的是自顶向下递归排序,后来认真读题才发现应该用自底向上的方法。

然后是插入排序部分,应该是没有考虑两数相等的情况,这个纯属手滑……

总之各种问题,后来参考了一下百度,发现插入排序这部分根本不用去模拟。

算法很巧妙,主要参考了这里的算法。

代码如下:

#include <iostream>
#include <algorithm>

using namespace std;
int a[101] = {0};
int b[101] = {0};
int n=0;

int min(int &a, int &b){
    if(a<b) return a;
    else return b;
}

bool equal(){
    for(int i=0;i<n;++i)
        if(a[i]!=b[i]) 
            return false;
    return true;
}

void merge(){
    bool is_merge = false;
    for(int sz=1; ; sz+=sz){
        is_merge=equal();
        int lo=0;
        for(; lo+sz<n; lo+=sz){
            sort(a+lo, a+lo+sz);
        }
        sort(a+lo, a+n);
        if(is_merge) 
            return;
    }
}

int main(){
    cin>>n;
    for(int i=0;i<n;++i)
        cin>>a[i];
    for(int i=0;i<n;++i)
        cin>>b[i];
    
    bool is_insert = false;
    int i,j;
    for(i=0; b[i]<=b[i+1]&&i<n; ++i);//i及其之前下标处的数字都有序
    for(j=++i; a[j]==b[j]&&j<n;++j);//i之后的数字都相同
    if(j==n){
        cout<<"Insertion Sort"<<endl;
        sort(a, a+i+1);
        is_insert = true;
    }
    else{
        merge();
        cout<<"Merge Sort"<<endl;
    }
    for(int i=0;i<n-1;++i)
        cout<<a[i]<<" ";
    cout<<a[n-1];
    return 0;
}

  • 0
    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