逻辑思维训练-找出不一样的球

2023-12-17 12:08
文章标签 训练 找出 逻辑思维

本文主要是介绍逻辑思维训练-找出不一样的球,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

有9个球,其中有一个球的重量和其他不一样,用一个天秤称,求需要称多少次才能找到重量不一样的球。请列出步骤,写出程序代码。

1.可以将9个球,分成4(A),4(B),1(C)三组。
第一步,先比较A ,B,如果相等,直接,确定C组的那个不一样的球。否则第二步。
第二步,A和B不相等,随机将A或B在分为2(D),2(E)两组,称重: 不相等则,继续随机取一组分为1(F),1(G),继续比较,相等则取另一组比较,不相等则确定里面有个球是不一样的球,随机取一个(X)与其他的球比较,相等则确定X是不一样的那个球;
相等则需要将另外一组按同样的分为2(F),2(G)两组,按上面的步骤同理进行比较。
其实还有很多种分组方式,不一一举例了。

2.另外还可以通过类似冒泡排序的思想,来找出不一样的球。
一一比较,如,随机取2个球,比较:
如果重量相等,则知道这两个都不是要找的球,再取一个球替换之前的一个球称重,比较,不一样则里面有一个球是要找的球,相等则再接着取球比对。。。
如果重量不相等则里面有一个球是要找的球,再随机取一个球,和这两个球一 一比较,找出那个不一样的球。


public class TestLocal {public static void main(String[] args) {int[] vv=new int[]{6,6,6,8,6,6,6,6,6};for(int i=0;i<vv.length;i++){if(i<vv.length-1){if(vv[i]>vv[i+1]){int temp=vv[i];vv[i]=vv[i+1];vv[i+1]=temp;//类似冒泡,把轻的球放数组前面System.out.println("====第"+i+"次循环比对交换位置");}if(vv[i]==vv[i+1]){System.out.println("====第"+i+"次循环比对相等,位置不变");}}else{//最后一个比较if(vv[i-1]>vv[i]){int temp=vv[i-1];vv[i-1]=vv[i];vv[i]=temp;//类似冒泡,把轻的球放数组前面System.out.println("====第"+i+"次循环比对交换位置");}}}//质量不一样的球,是数组的最后一个System.out.print("===="+JSON.toJSONString(vv));}
}

输出如下:

====第0次循环比对相等,位置不变
====第1次循环比对相等,位置不变
====第3次循环比对交换位置
====第4次循环比对交换位置
====第5次循环比对交换位置
====第6次循环比对交换位置
====第7次循环比对交换位置
====[6,6,6,6,6,6,6,6,8]

3.还可以利用java的set集合,Set的排重功能。

这篇关于逻辑思维训练-找出不一样的球的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/504314

相关文章

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

找出php中可能有问题的代码行

前言 当你发现一个平时占用cpu比较少的进程突然间占用cpu接近100%时,你如何找到导致cpu飙升的原因?我的思路是,首先找到进程正在执行的代码行,从而确定可能有问题的代码段。然后,再仔细分析有问题的代码段,从而找出原因。 如果你的程序使用的是c、c++编写,那么你可以很容易的找到正在执行的代码行。但是,程序是php编写的,如何找到可能有问题的代码行呢?这个问题就是本文要解决的问题。 背景

多云架构下大模型训练的存储稳定性探索

一、多云架构与大模型训练的融合 (一)多云架构的优势与挑战 多云架构为大模型训练带来了诸多优势。首先,资源灵活性显著提高,不同的云平台可以提供不同类型的计算资源和存储服务,满足大模型训练在不同阶段的需求。例如,某些云平台可能在 GPU 计算资源上具有优势,而另一些则在存储成本或性能上表现出色,企业可以根据实际情况进行选择和组合。其次,扩展性得以增强,当大模型的规模不断扩大时,单一云平

找出有毒的那一瓶药

找出有毒的那一瓶药 找出有毒的那一瓶药问题描述求解方法二进制编码方法详细示例 找出有毒的那一瓶药 问题描述 有47瓶药,其中只有一瓶有毒。从中毒到死亡时间为4天,问最少准备几只老鼠,在4天时间内找出有毒的药? 求解方法 要在4天内确定有毒药瓶,最少需要 6 只老鼠。以下是如何使用这 6 只老鼠来找出有毒药瓶的方法。 二进制编码方法 药瓶编号: 将47瓶药瓶编号从1到

神经网络训练不起来怎么办(零)| General Guidance

摘要:模型性能不理想时,如何判断 Model Bias, Optimization, Overfitting 等问题,并以此着手优化模型。在这个分析过程中,我们可以对Function Set,模型弹性有直观的理解。关键词:模型性能,Model Bias, Optimization, Overfitting。 零,领域背景 如果我们的模型表现较差,那么我们往往需要根据 Training l

如何创建训练数据集

在 HuggingFace 上创建数据集非常方便,创建完成之后,通过 API 可以方便的下载并使用数据集,在 Google Colab 上进行模型调优,下载数据集速度非常快,本文通过 Dataset 库创建一个简单的训练数据集。 首先安装数据集依赖 HuggingFace datasetshuggingface_hub 创建数据集 替换为自己的 HuggingFace API key

【YOLO 系列】基于YOLOV8的智能花卉分类检测系统【python源码+Pyqt5界面+数据集+训练代码】

前言: 花朵作为自然界中的重要组成部分,不仅在生态学上具有重要意义,也在园艺、农业以及艺术领域中占有一席之地。随着图像识别技术的发展,自动化的花朵分类对于植物研究、生物多样性保护以及园艺爱好者来说变得越发重要。为了提高花朵分类的效率和准确性,我们启动了基于YOLO V8的花朵分类智能识别系统项目。该项目利用深度学习技术,通过分析花朵图像,自动识别并分类不同种类的花朵,为用户提供一个高效的花朵识别