跳水运动员预测比赛结果排名次问题详解(逻辑类型题1)

简介: 跳水运动员预测比赛结果排名次问题详解(逻辑类型题1)

题目内容

5位运动员参加了10米台跳水比赛,有人让他们预测比赛结果:

A选手说:B第二,我第三;

B选手说:我第二,E第四;

C选手说:我第一,D第二;

D选手说:C最后,我第三;

E选手说:我第四,A第一;

比赛结束后,每位选手都说对了一半,请编程确定比赛的名次。

题目分析

这是一道经典的逻辑推理问题,如果我们从数学的角度来分析,就是要寻找矛盾点相同点进而做出假设分析,在假设的前提下来推理。

例如 A和B两个选手有一处相同点就是:都说B是第二,我们可以从这个点进行突破,假设这个是对的,那我们就创造了两个已知的错误预测;假设这个是错的,那我们就创造了两个已知的正确预测。

如果我们从编程的角度来分析,我们就要先知道总共的可能性,把每一种可能考虑到。计算机远远比人类高效。

每个人都有5种可能,那么就是5次循环列出所有的可能性,

然后每一个1个成员说的话只有一半是真的,那么就可以将其分析成一个表达式一半真一半假,那么就是0+1为1,

但还有非常重要的一点就是一个名次只能有一个人得。即个人相乘得到的答案只能是120

思路讲解

先利用5个循环,是因为我们不知道这个选手的话,究竟是哪里是真的,哪一个又是假的,那么我们就将所有的可能都列出来

然后判断在c语言中真为1假为0

将选手的话里面提取出来的信息转换为计算机可以看懂的式子

if (a*b*c*d*e == 120)这句代码非常的关键如果没有这句代码我们就会打印出多组结果因为我们没有将一个位置只能有一个人占据给考虑进去。这句代码就是将这个考虑给带入进去如果不加这个就会出现一个名词有两个人或几个人占据的情况(这里我们假设a为1b为2c为3d为4e为5相乘得120)

代码展示

#include<stdio.h>
int main()
{
  int a = 0, b = 0, c = 0, d = 0, e = 0;
  for (a = 1; a <= 5; a++)
  {
    for (b = 1; b <= 5; b++)
    {
      for (c = 1; c <= 5; c++)
      {
        for (d = 1; d <= 5; d++)
        {
          for (e = 1; e <= 5; e++)//上面的循环就是因为我们不知道这个选手的话究竟是哪里是真的哪一个又是假的那么我们就将所有的可能都列出来
          {
            //现在开始判断在c语言中真为1假为0
            if ((b == 2) + (a == 3) == 1 &&
              (b == 2) + (e == 4) == 1 &&
              (c == 1) + (d == 2) == 1 &&
              (c == 5) + (e == 3) == 1 &&
              (e == 4) + (a == 1) == 1//这些式子就是从选手的话里面提取出来的信息
              )
            {
              if (a*b*c*d*e == 120)//这句代码非常的关键如果没有这句代码我们就会打印出多组结果因为我们没有将一个位置只能有一个人占据给考虑进去这句代码就是将这个考虑给带入进去如果不加这个就会出现一个名词有两个人或几个人占据的情况
                //这里我们假设a为1b为2c为3d为4e为5相乘得120
              {
                printf("a=%d b=%d c=%d d=%d e=%d\n", a, b, c, d, e);
              }
            }
          }
        }
      }
    }
  }
  return 0;
}
相关文章
技术心得记录:概率统计13——二项分布与多项分布
技术心得记录:概率统计13——二项分布与多项分布
|
7月前
|
存储 数据可视化 文件存储
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
|
7月前
|
数据可视化 Python
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
R语言无套利区间模型期货期现研究:正向套利和反向套利次数、收益率分析华泰柏瑞300ETF可视化
|
7月前
|
数据可视化
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化-2
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
|
7月前
|
数据可视化 流计算
估计获胜概率:模拟分析学生多项选择考试通过概率可视化
估计获胜概率:模拟分析学生多项选择考试通过概率可视化
|
7月前
|
算法 数据挖掘
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
R语言面板数据回归:含时间固定效应混合模型分析交通死亡率、酒驾法和啤酒税
|
7月前
R语言用GAM广义相加模型研究公交专用道对行程时间变异度数据的影响
R语言用GAM广义相加模型研究公交专用道对行程时间变异度数据的影响
|
7月前
|
存储 数据可视化 文件存储
数据分享|多变量多元多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
数据分享|多变量多元多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
|
7月前
|
存储 数据可视化 文件存储
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化-1
多变量(多元)多项式曲线回归线性模型分析母亲吸烟对新生婴儿体重影响可视化
|
7月前
|
数据可视化 Go
快刀斩乱麻,二区7分今年9月发表,孟德尔随机化如何做药靶筛选?
该文章是2023年9月发表在《Journal of Translational Medicine》的孟德尔随机化研究,探索风湿性关节炎(RA)的潜在药物靶点。研究通过遗传学方法鉴定,发现7个可能的药物靶点,这些基因与免疫功能相关,有望为RA药物开发提供新方向,节省成本,并增加临床试验成功的可能性。分析过程包括MR分析、共定位、功能富集和药物预测等步骤。
147 0