神奇的幻方【够造奇数阶的魔方阵】

简介: http://noi.openjudge.cn/ch0108/22/ 总时间限制: 1000ms 内存限制: 65535kB描述 幻方是一个很神奇的N*N矩阵,它的每行、每列与对角线,加起来的数字和都是相同的。

http://noi.openjudge.cn/ch0108/22/

总时间限制: 
1000ms
内存限制: 
65535kB
描述

幻方是一个很神奇的N*N矩阵,它的每行、每列与对角线,加起来的数字和都是相同的。
我们可以通过以下方法构建一个幻方。(阶数为奇数)
1.第一个数字写在第一行的中间
2.下一个数字,都写在上一个数字的右上方:
    a.如果该数字在第一行,则下一个数字写在最后一行,列数为该数字的右一列
    b.如果该数字在最后一列,则下一个数字写在第一列,行数为该数字的上一行
    c.如果该数字在右上角,或者该数字的右上方已有数字,则下一个数字写在该数字的下方

输入
一个数字N(N<=20)
输出
按上方法构造的2N-1 * 2N-1的幻方
样例输入
3
样例输出
17 24 1 8 15
23 5 7 14 16
4 6 13 20 22
10 12 19 21 3
11 18 25 2 9

解析:按照题目的意思,假如a[i][j]=t,那么下一个要填写进去的t+1的坐标首先考虑是x=i-1,y=j+1,但是假如i==0&&j==2*n-1或者a[x][y]已经被占用的时候,应该放在a[i][j]的正下方。

所以代码就是:

 1 #include<stdio.h>
 2 #include<stdlib.h>
 3 int main(int argc, char *argv[])
 4 {
 5     int n,i,j,t;
 6     int **a;
 7     long nn,len;
 8     int x,y;
 9     
10     scanf("%d",&n);
11     len=2*n-1;
12     a=(int**)malloc(sizeof(int*)*len);
13     for(i=0;i<len;i++)
14         a[i]=(int*)malloc(sizeof(int)*len);
15 
16     for(i=0;i<len;i++)
17         for(j=0;j<len;j++) a[i][j]=0;
18 
19     i=0;
20     j=(n*2-1)/2;
21     t=1;
22     a[i][j]=t;
23     nn=len*len;
24     while(t<nn)
25     {
26         t++;
27         x=(i-1+len)%len;
28         y=(j+1)%len;
29         if(i==0&&j==len||a[x][y]!=0)
30         {
31             x=i+1;
32             y=j;
33         }
34         a[x][y]=t;
35         i=x;
36         j=y;
37     }
38     
39     for(i=0;i<len;i++)
40     {
41         for(j=0;j<len;j++)
42         {
43             printf("%d ",a[i][j]);
44         }
45         printf("\n");
46     }
47     return 0;
48 }

额其实应该要写free()释放内存的,有点懒,没写。貌似也能够通过OJ的检查O(∩_∩)O

 

相关文章
|
存储 分布式计算 Hadoop
ChunkServer 原理与架构详解
【8月更文第30天】在分布式文件系统中,ChunkServer 是一个重要的组件,负责存储文件系统中的数据块(chunks)。ChunkServer 的设计和实现对于确保数据的高可用性、一致性和持久性至关重要。本文将深入探讨 ChunkServer 的核心原理和内部架构设计,并通过代码示例来说明其实现细节。
500 1
|
存储 机器学习/深度学习 自然语言处理
大模型Prompt-Tuning技术进阶
近年来,随着Prompt-Tuning技术的崛起,研究者们发现,在拥有超过10亿参数的大规模模型上,采用Prompt-Tuning相较于传统的Fine-tuning方法能带来显著的性能提升。特别是在小样本甚至零样本学习场景下,Prompt-Tuning能够极大地激发模型的潜力。这一成就的取得主要归功于三个关键因素:模型庞大的参数量、训练过程中使用的海量语料,以及精心设计的预训练任务。
|
人工智能 监控 并行计算
Stable Diffusion火影数据集训练:SwanLab可视化训练
**使用Stable Diffusion 1.5模型训练火影忍者风格的文生图模型。在22GB显存的GPU上,通过Huggingface的`lambdalabs/naruto-blip-captions`数据集进行训练,利用SwanLab进行监控。所需库包括`swanlab`, `diffusers`, `datasets`, `accelerate`, `torchvision`, `transformers`。代码、日志和更多资源可在GitHub和SwanLab找到。训练涉及数据下载、模型配置、训练过程可视化及结果评估。**
Stable Diffusion火影数据集训练:SwanLab可视化训练
|
网络安全 虚拟化
【网络安全 | 工具】Kali虚拟机安装教程及报错详析
【网络安全 | 工具】Kali虚拟机安装教程及报错详析
648 0
【网络安全 | 工具】Kali虚拟机安装教程及报错详析
|
数据可视化 Linux Apache
CentOS部署Apache Superset大数据可视化BI分析工具并实现无公网IP远程访问
CentOS部署Apache Superset大数据可视化BI分析工具并实现无公网IP远程访问
|
存储 网络协议 物联网
|
Linux 网络安全 文件存储
本地部署Jellyfin影音服务器 - 公网远程影音库
随着移动智能设备的普及,各种各样的使用需求也被开发出来,从最早的移动听音乐、看图片(MP3时代),到之后的移动视频需求(MP4时代)到现在的移动流媒体需求(智能手机看视频)。但当我们习惯这些需求后,忽然发现自己不知不觉间成了待割的韭菜(3台设备就要加钱)。作为一颗倔强的韭菜,自然不会甘愿被割,因此打算自建一个私人影音媒体平台。现在,笔者就向大家展示,使用cpolar内网穿透+ Jellyfin,自建私人影音平台的全过程。
|
前端开发 测试技术 关系型数据库
异常测试实践与梳理
异常测试,是指通过人为制造异常,检测系统的处理是否符合逻辑。结合在A项目中的实践,梳理一下常见异常测试的类型、关注点及常用测试工具等。
7715 0
|
人工智能 PyTorch 算法框架/工具
GitHub 7.5k star量,各种视觉Transformer的PyTorch实现合集整理好了
GitHub 7.5k star量,各种视觉Transformer的PyTorch实现合集整理好了
555 0
|
JSON Ubuntu Linux
Linux Ubuntu配置Visual Studio Code及C++环境的方法
本文介绍在Linux Ubuntu操作系统下,配置Visual Studio Code软件与C++代码开发环境的方法~
3685 1
Linux Ubuntu配置Visual Studio Code及C++环境的方法