CDUTCM OJ 1512: 海哥的零花钱

Description

    海哥的零花钱海哥说了算。优秀的海哥每个月会有300元零花钱, 聪明的海哥每个月都会预算这个月的花销,并且总能做到实际花销和预算的相同(海哥就是这么强)。 
    有一天,神灯发现了这位精明的海哥,为了赞赏他,神灯提出,伶俐的海哥可以随时把整百的钱存到他那里,到了年末他会加上20%还给善良的海哥。因此能干的海哥制定了一个储蓄计划:每个月的月初,在得到零花钱后,如果预计到这个月的月末手中还会有多于100元或恰好100元,就把整百的钱都存在神灯那里,剩余的钱留在自己手中。 
例如11月初手中还有83元,得到零花钱300元并预计11月的花销是180元,那么他就会在神灯那里存200元,自己留下183元。到了11月月末,手中会剩下3元钱。 
机智的海哥发现这个储蓄计划的主要风险是,存在神灯那里的钱在年末之前不能取出。有可能在某个月的月初,手中的钱加上这个月的零花钱,不够这个月的原定预算。如果出现这种情况,海哥将不得不在这个月省吃俭用,压缩预算。 
现在请你根据2004年1月到12月每个月海哥的预算,判断会不会出现这种情况。如果不会,计算到2004年年末,神灯将海哥平常存的钱加上20%还给津津之后,海哥手中会有多少钱。

Input

输入包括12行数据,每行包含一个小于350的非负整数,分别表示1月到12月津津的预算。

Output

输出包括一行,这一行只包含一个整数。如果储蓄计划实施过程中出现某个月钱不够用的情况,输出-X,X表示出现这种情况的第一个月;否则输出到2004年年末津津手中会有多少钱。

Sample Input

290
230
280
200
300
170
340
50 
90 
80 
200
60

Sample Output

-7

Source

简单的数据处理,注意不要在不满足时跳出循环,在不满足的情况下也要输入完整。

AC代码:

#include<iostream>
#include<cmath>
using namespace std;
int main()
{
 int a[12],t=0,sum=0,m=0;
 for(int i=0;i<12;i++)
 {
  cin>>a[i];
  if(300+t>=a[i])
  {
   t=t+300-a[i];
  }
  else if(!m)
  {
   m=i+1;
  }
  while(t>=100)
  {
   t=t-100;
   sum=sum+100;
  }
 }
 if(m)
 {
  cout<<-m<<endl;
 }
 else
 {
  cout<<sum*6/5<<endl;
 }
 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