PAT 1063 Set Similarity

目录

题目

解题思路

代码版本1

代码版本2


题目:PAT 1063 Set Similarity

解题思路:


    自己由于英文不好,在读题时,不明白题意,但大体了解它是要求Nc与Nt的比值,但Nc和Nt具体表示什么含义,自己不清楚,上网查了一下这两个的含义,Nc表示两个集合的差集Nt表示两个集合的并集,题目需要我们计算Nc/Nt,就是要求我们计算Nc.size(Nc数字个数)/Nt.size(数字个数),对于集合类型题目,在此处使用set进行解决,非常的方便(题目也是主要考察这一块知识),同时自己在思考如何计算它们的差集和并集时,发现了一个规律,就是Nc.size+Nt.size=X.size+B.size,计算差集其实是不方便的,但是计算并集我们利用set可以自动去重这一特性可以非常容易计算出Nt.size,Nc.size也自然而然可以计算出了。

代码版本1

#include<iostream>

#include<algorithm>

#include<set>

#include<cstdio>

using namespace std;

const int P = 52;

int main(){

    int N,M;//集合个数N,每个集合的数字数

    set<int> sInt[P];

    scanf("%d", &N);

    for (int i = 1; i <= N; i++)

    {

        scanf("%d",&M);

        for (int j = 0; j < M; j++)

        {

            int num;

            scanf("%d",&num);

            sInt[i].insert(num);

        }

    }

    //查询

    int nQuery,n1Set,n2Set;

    scanf("%d", &nQuery);

    for (int i = 0; i < nQuery; i++)

    {

        scanf("%d %d", &n1Set, &n2Set);

        //计算并集

        set<int> temp;//生成一个临时set

        temp = sInt[n1Set];

        for (auto i : sInt[n1Set])//将两个set都插入到temp中,会超时

        {

            temp.insert(i);//将sInt[n1Set中的元素加入到temp中]

        }

        for (auto i : sInt[n2Set])

        {

            temp.insert(i); //将sInt[n1Set中的元素加入到temp中]

        }

        //计算相似率

        int sizeT = temp.size();

        int sizeC = (sInt[n1Set].size() + sInt[n2Set].size())-sizeT;

        printf("%.1f%%", (float)sizeC / sizeT*100);

        if (i+1!=nQuery)

        {

            printf("\n");

        }

        

    }

    //system("pause");

    return 0;

}

上面是自己的第一次提交代码,最后一个测试点,出现了运行超时,自己分析后,问题应该在于对于数据量比较大的情况下,如果对Temp实施了两轮插入,估测是算法复杂度过高,insert方法的复杂度为O(logn),而for循环方法为n,则总的复杂度为O(nlogn),且执行两轮,则耗费时间过长,导致运行超时,因此,采用生成temp后,直接将其中一个数据集赋值给它,另一个数据集对它插入,以减少运行时间,只需一轮即可获得并集。

代码版本2

#include<iostream>

#include<algorithm>

#include<set>

#include<cstdio>

using namespace std;

const int P = 52;

int main(){

int N,M;//集合个数N,每个集合的数字数

set<int> sInt[P];

scanf("%d", &N);

for (int i = 1; i <= N; i++)

{

scanf("%d",&M);

for (int j = 0; j < M; j++)

{

int num;

scanf("%d",&num);

sInt[i].insert(num);

}

}

//查询

int nQuery,n1Set,n2Set;

scanf("%d", &nQuery);

for (int i = 0; i < nQuery; i++)

{

scanf("%d %d", &n1Set, &n2Set);

//计算并集

set<int> temp;//生成一个临时set

temp = sInt[n1Set];

for (auto i : sInt[n2Set])

{

temp.insert(i); //将sInt[n1Set中的元素加入到temp中]

}

//计算相似率

int sizeT = temp.size();

int sizeC = (sInt[n1Set].size() + sInt[n2Set].size())-sizeT;

printf("%.1f%%", (float)sizeC / sizeT*100);

if (i+1!=nQuery)

{

printf("\n");

}

}

//system("pause");

return 0;

}

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码下载:完整代码,可直接运行 ;运行版本:2022a或2019b或2014a;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合

“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