一堆棋子java代码编程_网易2018校招内推笔试编程题参考代码及思路

等差数列

分析

对序列排序,然后比对一下是否等差即可。

参考code

#include

using namespace std;

int n;

int x[55];

string solve() {

sort(x, x + n);

if(n <= 2) return "Possible";

else {

int d = x[1] - x[0];

bool ok = 1;

for(int i = 1; ok && i < n; i++) {

if(d != x[i] - x[i - 1]) return "Impossible";

}

return "Possible";

}

}

int main() {

cin >> n;

for(int i = 0; i < n; i++) cin >> x[i];

cout << solve() << endl;

return 0;

}

彩色砖块

分析

题目有点唬人。。

设颜色种数为s,那么

if s > 2 ans = 0

else ans = s

参考代码

#include

using namespace std;

string s;

set S;

int main() {

cin >> s;

for(int i = 0; i < s.size(); i++) S.insert(s[i]);

int ans = S.size();

if(ans > 2) ans = 0;

cout << ans << endl;

return 0;

}

交错01串

分析

就挨着比较,记录当前是交错01串的长度,维护最大值即可。

参考代码

#include

using namespace std;

string s;

int main() {

cin >> s;

int ans = 1, cnt = 1;

for(int i = 1; i < s.size(); i++) {

if(s[i] != s[i - 1]) {

cnt++;

} else {

cnt = 1;

}

ans = max(ans, cnt);

}

cout << ans << endl;

return 0;

}

独立的小易

分析

首先计算能保证的房屋能租多少天,如果有剩余再考虑购买水果。

参考代码

#include

using namespace std;

int x, f, d, p;

int solve(int x, int f, int d, int p) {

int tmp1 = d / x;

if(tmp1 <= f) return tmp1;

d -= f * x;

return f + d / (x + p);

}

int main() {

cin >> x >> f >> d >> p;

cout << solve(x, f, d, p) << endl;

return 0;

}

堆棋子

分析

对于一个k,我们找一个坐标(x, y)让k个棋子距离这个坐标的曼哈顿距离之和最小。注意到x和y其实是独立的,考虑枚举棋盘上所有可能得坐标(x[i], y[j]),计算这个坐标到所有棋子的距离分别是多少,然后维护k个棋子对于这个坐标最小曼哈顿距离和即可。

参考代码

#include

using namespace std;

const int inf = 1e9;

int n, x[55], y[55];

int main() {

int n;

cin >> n;

for(int i = 0; i < n; i++) cin >> x[i];

for(int i = 0; i < n; i++) cin >> y[i];

vector res(n, inf);

for(int i = 0; i < n; i++) {

for(int j = 0; j < n; j++) {

for(int k = 0; k < n; k++) {

vector res2(n);

for(int l = 0; l < n; l++) {

res2[l] = abs(x[l] - x[j]) + abs(y[l] - y[k]);

}

sort(res2.begin(), res2.end());

int res3 = 0;

for(int l = 0; l < i + 1; l++) res3 += res2[l];

res[i] = min(res[i], res3);

}

}

}

for(int i = 0; i < n; i++) {

i == 0 ? cout << res[i] : cout << " " << res[i];

}

return 0;

}

操作序列

分析

观察每一次操作之后的序列跟之前的关系,可以根据这个直接得到最终的数列。

参考代码

#include

using namespace std;

const int maxn = 2e5 + 5;

int a[maxn];

int n;

int main() {

scanf("%d", &n);

for(int i = 1; i <= n; i++) scanf("%d", &a[i]);

if(n % 2) {

for(int i = n; i >= 1; i -= 2) printf("%d ", a[i]);

for(int i = 2; i <= n; i += 2) i == n - 1 ? printf("%d", a[i]) : printf("%d ", a[i]);

} else {

for(int i = n; i >= 1; i -= 2) printf("%d ", a[i]);

for(int i = 1; i <= n; i += 2) i == n - 1 ? printf("%d", a[i]) : printf("%d ", a[i]);

}

printf("\n");

return 0;

}

疯狂队列

分析

根据样例提示,猜想了一个结论:

我们要把这个队列安排为交错的形式(证明略)。

交错有两种形式,看第一个人是比他相邻的人高还是矮。

以矮的为例:

总共的疯狂值为(h2 - h1) + (h2 - h3) + (h4 - h3) + ... = -h1 + 2h2 - 2h3 + 2h4 - ...,

如果总共是偶数个人,疯狂值为-h1 + 2h2 - 2h3 + 2h4 - ... - 2h{n-1} + h{n},所以我们需要从最大的开始依次安排h2,...h{n-2},然后安排h{n},然后继续安排剩下的。

如果总共是奇数个人,疯狂值为-h1 + 2h2 - 2h3 + 2h4 - ... + 2h{n-1} - h{n},所以我们需要从最大的开始依次安排h2,...h{n-1},然后安排h1和h{n},然后继续安排剩下的。

然后另外一种形式类似,维护最大的疯狂值即可。

参考代码

#include

using namespace std;

int h[55];

int n;

int main() {

cin >> n;

for(int i = 0; i < n; i++) cin >> h[i];

sort(h, h + n);

int tmp, ans = 0, ans1 = 0, ans2 = 0;

if(n % 2 == 0) {

tmp = n / 2;

for(int i = 0; i < tmp; i++) {

ans += 2 * (h[tmp + i] - h[i]);

}

ans += h[tmp - 1] - h[tmp];

cout << ans << endl;

return 0;

} else {

tmp = n / 2;

for(int i = 0; i < tmp; i++) {

ans1 += 2 * (h[tmp + 1 + i] - h[i]);

ans2 += 2 * (h[tmp + 1 + i] - h[i]);

}

ans1 += -h[tmp] + h[tmp - 1];

ans2 += h[n] - h[n + 1];

cout << max(ans1, ans2) << endl;

return 0;

}

return 0;

}

小易喜欢的数列

分析

想象一下,如果我们确定这个数列的第一个数是i,那么第二个数可以是1到k中除了是i的约数的任何数。

于是我们定义dp[j][i]表示长度为i最后一个数是j的小易喜欢的数列的数量,然后挨着转移即可。。实现请参考参考代码。

参考代码

#include

using namespace std;

const int mod = 1e9 + 7;

const int maxn = 1e5 + 5;

int dp[maxn][15];

int n, k;

int main() {

cin >> n >> k;

dp[1][0] = 1;

for(int i = 1; i <= n; i++) {

int sum = 0;

for(int j = 1; j <= k; j++) {

sum += dp[j][i - 1];

sum %= mod;

}

for(int j = 1; j <= k; j++) {

int sum2 = 0;

for(int z = j + j; z <= k; z += j) {

sum2 += dp[z][i - 1];

sum2 %= mod;

}

dp[j][i] = (sum - sum2 + mod) % mod;

}

}

int ans = 0;

for(int j = 1; j <= k; j++) {

ans += dp[j][n];

ans %= mod;

}

cout << ans << endl;

return 0;

}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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