XTU 2021计网期中测试-木木的难题

链接:登录—专业IT笔试面试备考平台_牛客网
来源:牛客网
 

题目描述

众所周知,装修是个很麻烦的事。这不,木木家要装修了,木木爸爸是个很抠的人,从不浪费一分一毫。但是在铺地板上出现了问题。爸爸订了一种 30cm×20cm 规格的地板(最便宜),经过丈量,得知了自己的房间的规格,他想知道,是否存在一种方法,能用这种规格的地板铺满房间。

木木家有很多房间,他知道每间房间地面的规格,询问是否用 30cm×20cm的便宜地板铺满地面。

为了简化问题,我们设 10cm10cm10cm 为一个单位。每间房间地面的规格均用整数单位描述。

例如下图为 6×7规格地面的一种铺地方式:

输入描述:

 

第一行为一个整数 n ,n∈[1,10^4],表示木木家的房间数量(不要质疑数量太大,木木家有矿)

接下来 n 行,每行两个整数 a,b,a,b∈[1,10^9],描述每间房间的规格。(不要质疑房间太大,木木家有矿)

输出描述:

 

输出 n 行,每行一个单词 YES 或者 NO。

第 i 行描述第 i 间房间是否能用这种地板铺满。

YES 表示可以,NO 表示不行。

示例1

输入

5
3 6
2 4
2 6
7 4
9 2

输出

YES
NO
YES
NO
YES

 思路:哈哈哈哈哈一个大水题目,想到了就轻松AC,差不多脑筋急转弯和数学问题。

我们来想想。用的是3*2的,那么就是6块,如果地板不是6的倍数那么肯定不行,如果是6的倍数那么应该就可以,所以我们考虑6的倍数的地板,对于3*2的,只有1*n(n为6的倍数)的地板不行,所以答案很快出啦(别问我怎么想到的,感觉,真的凭感觉)

AC代码:

#include <stdio.h>
int main()
{
    int t;
    scanf("%d",&t);
    while(t--){
        long long a,b;
        scanf("%lld%lld",&a,&b);
        if(a*b%6==0){
            if(a==1||b==1){
                printf("NO\n");
            }
            else{
                printf("YES\n");
            }
        }
        else{
            printf("NO\n");
        }
    }
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
评论 2
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