ZCMU-1854-zbj的可乐

1854: zbj的可乐

Time Limit: 1 Sec   Memory Limit: 128 MB
Submit: 86   Solved: 18
[ Submit][ Status][ Web Board]

Description

zbj最近特别想喝可乐,然而可口可乐有一个万年梗的活动就是....四个瓶盖换一瓶可乐的活动 
现在zbj想喝n瓶可乐,一瓶可乐需要k元,问他最少需要花多少钱? 
ps.一瓶可乐只有一个瓶盖..当然这不是脑筋急转弯,zbj并不能向别人借瓶盖。

Input

有多组样例,每一行输入一个正整数n,k(0<=n<=100000000  1<=k<=200) (请不要嘲讽zbj能喝...我们要友好和谐)

Output

每一行输出一个正整数表示zbj最小需要花的钱

Sample Input

1597 3

Sample Output

3594
【解析】
这道题其实有个公式,sum=n+(n-1)/(k-1),这里k是指几个瓶盖能换一瓶饮料,n是指买多少瓶饮料就能获得sum瓶的饮料。这里就是我们知道了sum,来推n了,这里是3*sum=4*n,如果3sum除4不能整除的话,就要向下取整之后再加个1才可以。不然的话比说如果sum是8,8*3是24,24+1为25,25除4是6了,而显然6瓶可乐肯定不能换8瓶,需要7瓶才能换,所以要再加1.
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int main()
{
    int b;
    long long a,c,e;
    double n;
    while(~scanf("%lld%d",&a,&b))
    {
        if(a!=0)
        {
        c=(a*3)+1;
        if(c%4==0)
        {
            c=c/4;
        }
        else
        {
            c=c/4+1;
        }
        n=c*b;
        printf("%.0f\n",n);
        }
        else if(a==0)
        {
            printf("0\n");
        }
    }
    return 0;
}
根据他人所说其实这里还可以用二分法.这里要注意的是,在二分查找当中,有些情况找不到答案,比如说4,二分查找是找不到的。所以要返回左边界,因为无论是3,还是5都不满足,
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int n;
int facs(int k)
{
    int sum;
    sum=k;
    while(k>=4)//算能拥有多少瓶
    {
        sum=sum+k/4;//表示现在能换成这么多
        k=k%4+k/4;//剩余的瓶盖加上之前换的瓶盖
    }
    return sum;
}
int erfen(int left,int right)
{
    int middle,now;
    while(left<right)
    {
        middle=(left+right)/2;
        now=facs(middle);
        if(now>n)
            right=middle;
        else if(now<n)
            left=middle+1;
        else
            return middle;
    }
    return left;//有些情况不满足二分查找
}
int main()
{
    int m;
    long long p;
    while(~scanf("%d%d",&n,&m))
    {
        if(n==0)
            printf("0\n");
        else
        {
            printf("%lld\n",(long long)m*erfen(1,n));
        }
    }
    return 0;
    }

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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