[算法刷题题解笔记] 洛谷 P1008 [NOIP1998 普及组] 三连击 [枚举|模拟]

简介: [算法刷题题解笔记] 洛谷 P1008 [NOIP1998 普及组] 三连击 [枚举|模拟]

题目链接

题目大意

  • 求满足下列条件的三个三位数:
  • 每个三位数只能由1, 2, 3, …, 9九个数组成的
  • 三个三位数要满足1:2:3的关系
  • 1, 2, 3, …, 9九个数每个数字只能使用一次

解题思路

  • 由于每个三位数只能由1, 2, 3, …, 9九个数组成的,并且三个三位数要满足1:2:3的关系,所以枚举比例为1的那个三位数所有的可能组成,然后通过比例1:2:3的关系计算出剩下的两个三位数,然后根据题目要求判断三个三位数是否满足要求,如果满足就进行输出,否则向后继续枚举第一个三位数的可能组成

解题代码

package luogu.orange;
import java.util.HashSet;
/**
 * ClassName: P1008
 * Package: luogu.orange
 * Description:
 *
 * @Author tcw
 * @Create 2023-06-08 21:09
 * @Version 1.0
 */
public class P1008 {
    public static void main(String[] args) {
        // 求1, 2, 3, ..., 9九个数组成的三个三位数
        // 且三个三位数要满足1:2:3的关系并且每个数字只能使用一次
        // 枚举比例为1的那个三位数的三个数字,
        // 然后通过计算判断后面两个三位数是否满足要求
        for (int i = 1; i <= 9; i++) {
            for (int j = 1; j <= 9; j++) {
                for (int k = 1; k <= 9; k++) {
                    // 每个数字只能使用一次
                    if (i == j || i == k || j == k) continue;
                    // 计算出三个三位数
                    int num1 = i * 100 + j * 10 + k;
                    String num2 = num1 * 2 + "";
                    String num3 = num1 * 3 + "";
                    // 只能是三位数
                    if (num2.length()>3 || num3.length()>3) continue;
                    // 判断三个三位数是否满足条件
                    // 存储已经使用过的数字
                    HashSet<Character> integers = new HashSet<>();
                    integers.add((char) (i + '0'));
                    integers.add((char) (j + '0'));
                    integers.add((char) (k + '0'));
                    // 标记是否满足条件
                    boolean flag = true;
                    // 判断第二个三位数是否满足要求
                    for (int l = 0; l < 3; l++) {
                        char c = num2.charAt(l);
                        // 每个数字只能使用一次,已经使用过了,就不满足条件了
                        // 且数字不能为0,因为 * 2 可能会有0出现
                        if (integers.contains(c) || c == '0') {
                            flag = false;
                            break;
                        }
                        // 使用过的数字就存储下来
                        integers.add(c);
                    }
                    if (!flag) continue;
                    // 判断第三个三位数是否满足要求
                    for (int l = 0; l < 3; l++) {
                        char c = num3.charAt(l);
                        // 每个数字只能使用一次,已经使用过了,就不满足条件了
                        // 且数字不能为0,因为 * 3 可能会有0出现
                        if (integers.contains(c) || c == '0') {
                            flag = false;
                            break;
                        }
                        // 使用过的数字就存储下来
                        integers.add(c);
                    }
                    if (!flag) continue;
                    // 输出满足要求的三个三位数
                    System.out.println(num1 + " " + num2 + " " + num3);
                }
            }
        }
    }
}


相关文章
|
3月前
|
算法 API 计算机视觉
人脸识别笔记(一):通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别
本文介绍了YuNet系列人脸检测算法的优化和使用,包括YuNet-s和YuNet-n,以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
93 1
|
3月前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
82 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
3月前
|
数据可视化 搜索推荐 Python
Leecode 刷题笔记之可视化六大排序算法:冒泡、快速、归并、插入、选择、桶排序
这篇文章是关于LeetCode刷题笔记,主要介绍了六大排序算法(冒泡、快速、归并、插入、选择、桶排序)的Python实现及其可视化过程。
25 0
|
3月前
|
算法
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
36 0
|
10天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
143 80
|
3天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
6天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
2天前
|
算法
基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
本项目基于梯度流的扩散映射卡尔曼滤波算法(GFDMKF),用于信号预处理的MATLAB仿真。通过设置不同噪声大小,测试滤波效果。核心代码实现数据加载、含噪信号生成、扩散映射构建及DMK滤波器应用,并展示含噪与无噪信号及滤波结果的对比图。GFDMKF结合非线性流形学习与经典卡尔曼滤波,提高对非线性高维信号的滤波和跟踪性能。 **主要步骤:** 1. 加载数据并生成含噪测量值。 2. 使用扩散映射捕捉低维流形结构。 3. 应用DMK滤波器进行状态估计。 4. 绘制不同SNR下的轨迹示例。
|
7天前
|
机器学习/深度学习 算法 索引
单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
本项目使用FW烟花优化算法求解单目标问题,并在MATLAB2022A中实现仿真,对比PSO和GA的性能。核心代码展示了适应度计算、火花生成及位置约束等关键步骤。最终通过收敛曲线对比三种算法的优化效果。烟花优化算法模拟烟花爆炸过程,探索搜索空间,寻找全局最优解,适用于复杂非线性问题。PSO和GA则分别适合快速收敛和大解空间的问题。参数调整和算法特性分析显示了各自的优势与局限。
|
29天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。

热门文章

最新文章