PAT 乙级 1005 继续(3n+1)猜想(C语言)

1005 继续(3n+1)猜想 (25 分)

卡拉兹(Callatz)猜想已经在1001中给出了描述。在这个题目里,情况稍微有些复杂。

当我们验证卡拉兹猜想的时候,为了避免重复计算,可以记录下递推过程中遇到的每一个数。例如对 n=3 进行验证的时候,我们需要计算 3、5、8、4、2、1,则当我们对 n=5、8、4、2 进行验证的时候,就可以直接判定卡拉兹猜想的真伪,而不需要重复计算,因为这 4 个数已经在验证3的时候遇到过了,我们称 5、8、4、2 是被 3“覆盖”的数。我们称一个数列中的某个数 n 为“关键数”,如果 n 不能被数列中的其他数字所覆盖。

现在给定一系列待验证的数字,我们只需要验证其中的几个关键数,就可以不必再重复验证余下的数字。你的任务就是找出这些关键数字,并按从大到小的顺序输出它们。

输入格式:
每个测试输入包含 1 个测试用例,第 1 行给出一个正整数 K (<100),第 2 行给出 K 个互不相同的待验证的正整数 n (1<n≤100)的值,数字间用空格隔开。

输出格式:
每个测试用例的输出占一行,按从大到小的顺序输出关键数字。数字间用 1 个空格隔开,但一行中最后一个数字后没有空格。

输入样例:
6
3 5 6 7 8 11
输出样例:
7 6

分析:
建立一个辅助数组b,将待验证的数字存入数组a、b中,在数组a中对每个待验证的数字进行“(3n+1)猜想”操作,每操作一次对数组b查找一次,若相同,则将数组b中相同的数字置为0,最后对数组b排序输出。

代码:

#include <stdio.h>
#include <stdlib.h>

int main()
{
    int n;//输入n个数字
    int i,j,temp;
    scanf("%d",&n);
    int a[n],b[n];//b作为辅助数组
    for(i=0;i<n;++i)//将待验证的数存入数组a中
    {
         scanf("%d",&a[i]);
         b[i]=a[i];
    }
    for(i=0;i<n;++i)
    {
        while(a[i]!=1)//当a[i]为1时停止循环
        {
            if(a[i]%2==0)
                a[i]/=2;
            else
                a[i]=(a[i]*3+1)/2;
            for(j=0;j<n;++j)//逐个查找被“覆盖”的数,若找到,则将被“覆盖”的数置为0
            {
                if(a[i]==b[j])
                    b[j]=0;
            }
        }
    }
    for(i=1;i<n;++i)//这里采用直接插入排序.
    {
        temp=b[i];
        j=i-1;
        while(j>=0&&temp>b[j])//从大到小排序,如例题中的关键字,排序后b数组变成{7,6,0,0,0,0,0}
        {
            b[j+1]=b[j];
            --j;
        }
        b[j+1]=temp;
    }
    for(i=0;i<n;++i)//输出
    {
        if(b[i]!=0&&b[i+1]!=0)
            printf("%d ",b[i]);
        if(b[i]!=0&&b[i+1]==0)
            printf("%d",b[i]);
    }
    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