鞍点

【问题描述】

找出一个二维数组中的鞍点,即该位置上的元素在该行上最大,在该列上最小(也可能没有鞍点)。

【输入形式】

第一行输入n,m,表示数组的大小

第二行开始,依次输入数组元素

【输出形式】

如果数组存在鞍点,则输出鞍点上的元素值;否则输出“ It does not exist! ”

【样例输入】

4 5

6 5 4 2 3 

5 9 4 2 8 

4 9 9 9 4 

9 1 9 4 8

【样例输出】

It does not exist!

【样例输入】

4 5

6 5 14 2 3 

5 9 24 2 8 

4 9 19 9 4 

9 1 29 4 8

【样例输出】

14

【样例说明】

【评分标准】

1 ≤ n, m ≤ 10,矩阵中的数都是不超过100的非负整数
#include<iostream>
using namespace std;
int main()
{
	int n,m;
	cin>>n>>m;
	int a[n][m];
	for(int x=0;x<n;x++)
	{
		for(int y=0;y<m;y++)    //将数据输入二维数组 
		{
			cin>>a[x][y];
		}
	}
	int t,l=0,num=0,z=-1;      //定义t为结果值,z为判断值 
	for(int i=0;i<n;i++)     //先行后列进行n次对鞍点的判断 
	{                         
		t=a[i][0],num=0,l=0;    //重点:计数归零 
		for(int y=1;y<m;y++)      //先在行中判断找出最大的数 
		{
			if(t<a[i][y]) t=a[i][y], l=y;     //用l记住最大值的位置  
		}
		for(int x=1;x<n;x++)          //判断列上是否为最小值 
		{
			if(x==i) continue;        //遇到该取值位置跳过 
			else
			{
				if(a[i][l]>a[x][l]) num++;   //当其不为最小值,计数加一 
			}
		}
		if(num==0) z=t,cout<<t;  //得到鞍点输出 
	}
	if(z<0)                           //无鞍点,输出 
	  cout<<"It does not exist!";
	return 0;
 }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
鞍点是指函数在某个点的梯度为零,且该点的“拐点”(也就是 Hessian 矩阵的矩阵特征值有正有负)的点。在 C 语言中,可以使用数值优化库,如 GSL(GNU Scientific Library)或 NAG(Numerical Algorithms Group)库来找到函数的鞍点。 下面是使用 GSL 库找到函数的鞍点的示例代码: ```c #include <stdio.h> #include <gsl/gsl_multimin.h> // 定义函数 double func(const gsl_vector *v, void *params) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); return x * x - y * y; } // 定义函数的梯度 void grad(const gsl_vector *v, void *params, gsl_vector *df) { double x = gsl_vector_get(v, 0); double y = gsl_vector_get(v, 1); gsl_vector_set(df, 0, 2 * x); gsl_vector_set(df, 1, -2 * y); } int main() { const gsl_multimin_fdfminimizer_type *T; gsl_multimin_fdfminimizer *s; int iter = 0, status; const size_t n = 2; double eps = 1e-8; // 初始点 gsl_vector *x = gsl_vector_alloc(n); gsl_vector_set(x, 0, 1.0); gsl_vector_set(x, 1, 1.0); // 定义函数及梯度 gsl_multimin_function_fdf my_func; my_func.n = n; my_func.f = &func; my_func.df = &grad; my_func.fdf = NULL; my_func.params = NULL; // 定义优化器类型 T = gsl_multimin_fdfminimizer_conjugate_fr; s = gsl_multimin_fdfminimizer_alloc(T, n); // 初始化优化器 gsl_multimin_fdfminimizer_set(s, &my_func, x, 0.01, eps); do { iter++; status = gsl_multimin_fdfminimizer_iterate(s); if (status) break; status = gsl_multimin_test_gradient(s->gradient, eps); } while (status == GSL_CONTINUE && iter < 100); printf("Minimum found at:\n"); printf("%5.5f %5.5f\n", gsl_vector_get(s->x, 0), gsl_vector_get(s->x, 1)); gsl_multimin_fdfminimizer_free(s); gsl_vector_free(x); return 0; } ``` 该示例代码中,我们首先定义了函数 `func` 和它的梯度 `grad`。然后,我们使用 GSL 库中的 `gsl_multimin_fdfminimizer` 类型来定义优化器。在初始化优化器时,我们通过 `gsl_multimin_fdfminimizer_set` 函数将函数及梯度传递给了优化器。最后,我们使用 `gsl_multimin_fdfminimizer_iterate` 函数迭代求解函数的鞍点,并使用 `gsl_multimin_test_gradient` 函数检查是否已收敛。 需要注意的是,由于鞍点通常比最小值或最大值更难以找到,因此需要更多的迭代次数和更小的收敛阈值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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