当前位置: 首页 > news >正文

Ama no Jaku

登录—专业IT笔试面试备考平台_牛客网

题目大意:有一个n*n且仅由0和1构成的矩阵,每次操作可以将一整行或一整列的所有数取反,问能否使所有行中构成的最小数>=所有列中构成的最大数

1<=n<=2000

思路:首先,如果要使最小数>=最大数,唯一满足的情况就是矩阵中所有数都等于0或都等于1,然后我们从最终状态往回操作试试,可以发现,无论我们操作多少次,所有行最多构成两个不同的数字,且这两个数字是互补的,要统计最小值,只需从这两个中找出数量最少的那一个,然后统计出期中数量最少的,就等于对行的操作数,再统计那个数字中0和1哪个最少,就等于列的操作数

#include<bits/stdc++.h>
using namespace std;int n,i,j,x,ans1,ans2,w;
string f[2010],s[2010];
map<string,int> m;int main(){cin>>n;for (i=0;i<n;i++){cin>>s[i];}for (i=0;i<n;i++) if (m[s[i]]==0) {for (j=i;j<n;j++) if (s[i]==s[j]) {if (m[s[i]]==0){m[s[i]]=1;x++;//统计所有行中有几个不同的数字f[x]=s[i];} else m[s[i]]=m[s[i]]+1;}}if (x>2) printf("-1");//多于2种肯定无法达成题目要求else if (x==1){for (i=0;i<n;i++){if (s[0][i]=='1') ans1++;//统计这个数字中1的数量}printf("%d",min(ans1,n-ans1));//1和0的数量取最小值} else {for (i=0;i<n;i++) if (f[1][i]==f[2][i]){printf("-1");//两个不同的数字一定是互补的return 0;}ans1=m[f[1]];for (i=0;i<n;i++) if (f[1][i]=='0') w++;ans1=ans1+min(w,n-w);w=0;//分别统计两个数字中1和0的数量的最小值ans2=m[f[2]];for (i=0;i<n;i++) if (f[2][i]=='0') w++;ans2=ans2+min(w,n-w);printf("%d",min(ans1,ans2));}return 0;
}

相关文章:

Ama no Jaku

登录—专业IT笔试面试备考平台_牛客网 题目大意&#xff1a;有一个n*n且仅由0和1构成的矩阵&#xff0c;每次操作可以将一整行或一整列的所有数取反&#xff0c;问能否使所有行中构成的最小数>所有列中构成的最大数 1<n<2000 思路&#xff1a;首先&#xff0c;如果…...

视频基础知识

1.视频比特率 视频的比特率是指传输过程中单位时间传输的数据量。可以理解为视频的编码采样率。单位是kbps&#xff0c;即每秒千比特。视频比特率是决定视频清晰度的一个重要指标。比特率越高&#xff0c;视频越清晰&#xff0c;但数据量也会越大。比如一部100分钟的电影&#…...

安全渗透初级知识总结

Day1&#xff1a; xss详解&#xff1a;web攻防之XSS攻击详解——XSS简介与类型 - 知乎 (zhihu.com) Cookie&#xff1a;身份验证 网页元素属性&#xff1a; id&#xff1a; class&#xff1a;样式名称 console.log(div_class);----打印标签 tabindex"0"---这是…...

rocketmq客户端本地日志文件过大调整配置(导致pod缓存cache过高)

现象 在使用rocketmq时&#xff0c;发现本地项目中文件越来越大&#xff0c;查找发现在/home/root/logs/rocketmqlog目录下存在大量rocketmq_client.log日志文件。 配置调整 开启slf4j日志模式&#xff0c;在项目启动项中增加-Drocketmq.client.logUseSlf4jtrue因为配置使用的…...

Unity进阶-ui框架学习笔记

文章目录 Unity进阶-ui框架学习笔记 Unity进阶-ui框架学习笔记 笔记来源课程&#xff1a;https://study.163.com/course/courseMain.htm?courseId1212756805&_trace_c_p_k2_8c8d7393c43b400d89ae94ab037586fc 最上面的管理层&#xff08;canvas&#xff09; using System…...

Django实现接口自动化平台(十四)测试用例模块Testcases序列化器及视图【持续更新中】

相关文章&#xff1a; Django实现接口自动化平台&#xff08;十三&#xff09;接口模块Interfaces序列化器及视图【持续更新中】_做测试的喵酱的博客-CSDN博客 本章是项目的一个分解&#xff0c;查看本章内容时&#xff0c;要结合整体项目代码来看&#xff1a; python django…...

如何高效实现文件传输:小文件采用零拷贝、大文件采用异步io+直接io

一般会如何实现文件传输&#xff1f; 服务器提供文件传输功能&#xff0c;需要将磁盘上的文件读取出来&#xff0c;通过网络协议发送到客户端。如果需要你自己编码实现这个文件传输功能&#xff0c;你会怎么实现呢&#xff1f; 通常&#xff0c;你会选择最直接的方法&#xf…...

Docker运行MySQL5.7

步骤如下&#xff1a; 1.获取镜像&#xff1a; docker pull mysql:5.7 2.创建挂载目录&#xff1a; mkdir /home/mydata/data mkdir /home/mydata/log mkdir /home/mydata/conf 3.先启动docker把配置文件拷贝出来&#xff1a; docker run -it --name temp mysql:5.7 /bi…...

-jar和 javaagent命令冲突吗?

当使用 -jar 命令运行 Java 应用程序时&#xff0c;Java 虚拟机 (JVM) 会忽略任何设置的 -javaagent 命令。这是因为 -jar 命令会覆盖其他命令行选项&#xff0c;包括 -javaagent。 这是因为 -jar 命令是用于运行打包为 JAR 文件的 Java 应用程序的快捷方式。它会忽略其他命令…...

LLC和MAC子层的应用

计算机局域网标准IEEE802 由于局域网只是一个计算机通信网&#xff0c;而且局域网不存在路由选择问题&#xff0c;因此它不需要网络层&#xff0c;而只有最低的两个层次。然而局域网的种类繁多&#xff0c;其媒体接入控制的方法也各不相同。 为了使局域网中的数据链路层不致过…...

【MySQL】之复合查询

【MySQL】之复合查询 基本查询多表查询笛卡尔积自连接子查询单行子查询多行子查询多列子查询在from子句中使用子查询 合并查询小练习 基本查询 查询工资高于500或岗位为MANAGER的雇员&#xff0c;同时还要满足他们的姓名首字母为大写的J按照部门号升序而雇员的工资降序排序使用…...

Vue系列第五篇:Vue2(Element UI) + Go(gin框架) + nginx开发登录页面及其校验登录功能

本篇使用Vue2开发前端&#xff0c;Go语言开发服务端&#xff0c;使用nginx代理部署实现登录页面及其校验功能。 目录 1.部署结构 2.Vue2前端 2.1代码结构 2.1源码 3.Go后台服务 3.2代码结构 3.2 源码 3.3单测效果 4.nginx 5.运行效果 6.问题总结 1.部署结构 2.Vue2…...

u盘里的数据丢失怎么恢复 u盘数据丢失怎么恢复

在使用U盘的时候不知道大家有没有经历过数据丢失或者U盘提示格式化的情况呢&#xff1f;U盘使用久了就会遇到各种各样的问题&#xff0c;而关于U盘数据丢失&#xff0c;大家又知道多少呢&#xff1f;当数据丢失了&#xff0c;我们应该怎样恢复数据&#xff1f;这个问题困扰了很…...

Mysql-约束

约束 概念&#xff1a;约束是作用于表中字段上的规则&#xff0c;用于限制存储在表中的数据。 目的&#xff1a;保证数据库中数据的正确、有效性和完整性。 分类&#xff1a; 约束描述关键字非空约束限制该字段的数据不能为nullNOT NULL唯一约束保证该字段的所有数据都是唯一…...

数据结构问答7

1. 图的定义和相关术语 答: 定义:图是由顶点集V和边集E组成,其中V为有限非空集。 相关术语:n个顶点,e条边,G=(V,E) ① 邻接点和端点:无向图中,若存在一条边(i, j),则称i,j为该边的端点,且它们互为邻接点;在有向图中,若存在一条边<i, j>,则称i,j分别为…...

[Spark] 大纲

1、Spark任务提交流程 2、SparkSQL执行流程 2.1 RBO&#xff0c;基于规则的优化 2.2 CBO&#xff0c;基于成本的优化 3、Spark性能调优 3.1 固定资源申请和动态资源分配 3.2 数据倾斜常见解决方法 3.3 小文件优化 4、Spark 3.0 4.1 动态分区裁剪(Dynamic Partition Pr…...

【NLP】使用 Keras 保存和加载深度学习模型

一、说明 训练深度学习模型是一个耗时的过程。您可以在训练期间和训练后保存模型进度。因此&#xff0c;您可以从上次中断的地方继续训练模型&#xff0c;并克服漫长的训练挑战。 在这篇博文中&#xff0c;我们将介绍如何保存模型并使用 Keras 逐步加载它。我们还将探索模型检查…...

视频标注是什么?和图像数据标注的区别?

视频数据标注是对视频剪辑进行标注的过程。进行标注后的视频数据将作为训练数据集用于训练深度学习和机器学习模型。这些预先训练的神经网络之后会被用于计算机视觉领域。 自动化视频标注对训练AI模型有哪些优势 与图像数据标注类似&#xff0c;视频标注是教计算机识别对象…...

【Android知识笔记】UI体系(一)

Activity的显示原理 setContentView 首先开发者Activity的onCreate方法中通常调用的setContentView会委托给Window的setContentView方法: 接下来看Window的创建过程: 可见Window的实现类是PhoneWindow,而PhoneWindow是在Activity创建过程中执行attach Context的时候创建的…...

SpringBoot 整合Docker Compose

Docker Compose是一种流行的技术&#xff0c;可以用来定义和管理你的应用程序所需的多个服务容器。通常在你的应用程序旁边创建一个 compose.yml 文件&#xff0c;它定义和配置服务容器。 使用 Docker Compose 的典型工作流程是运行 docker compose up&#xff0c;用它连接启动…...

每日一书⑩ | AI 未来:未来不属于 AI,属于会用 AI 的人

“本文来自「乐想屋」公众号&#xff0c;系列更新[每日一书]&#xff0c;每次5分钟&#xff0c;帮你把书读薄&#xff0c;把知识用活”01 开篇&#xff1a;AI 不是科幻&#xff0c;是正在发生的现实你可能觉得 AI 还很遥远&#xff0c;但它已经渗透进生活的每个角落&#xff1a…...

LLM 算法岗 | 八股问答()· 多模态与主流模型架构

本文能帮你解决什么&#xff1f; 1. 搞懂FastAPI异步&#xff08;async/await&#xff09;到底在什么场景下能真正提升性能。 2. 掌握在FastAPI中正确使用多线程处理CPU密集型任务的方法。 3. 避开常见的坑&#xff08;比如阻塞操作、数据库连接池耗尽、GIL限制&#xff09;。 …...

当数字音频遇见时间魔法:FLAC如何为你的音乐收藏施展无损压缩

当数字音频遇见时间魔法&#xff1a;FLAC如何为你的音乐收藏施展无损压缩 【免费下载链接】flac Free Lossless Audio Codec 项目地址: https://gitcode.com/gh_mirrors/fl/flac 你是否曾为音乐收藏占用过多硬盘空间而烦恼&#xff1f;是否在音质与存储效率之间难以抉择…...

PowerToys中文版:三步搞定Windows效率工具的完全汉化体验

PowerToys中文版&#xff1a;三步搞定Windows效率工具的完全汉化体验 【免费下载链接】PowerToys-CN PowerToys Simplified Chinese Translation 微软增强工具箱 自制汉化 项目地址: https://gitcode.com/gh_mirrors/po/PowerToys-CN 你是否曾经因为PowerToys的英文界面…...

别再纠结SSR还是SSG了!用create-nuxt-app创建项目时,这个选择直接影响你的部署成本

Nuxt.js渲染模式深度解析&#xff1a;如何用create-nuxt-app做出高性价比技术选型 在2023年的前端技术栈中&#xff0c;Nuxt.js依然保持着作为Vue生态中最成熟SSR解决方案的领先地位。但很多团队在项目启动时&#xff0c;往往会在create-nuxt-app的配置界面陷入纠结——特别是当…...

用OpenCV 4.8.0和C++从零搭建增量式三维重建系统:手把手教你处理多张图片生成稀疏点云

从零构建三维视觉系统&#xff1a;OpenCV与C实战指南 三维重建技术正在改变我们与数字世界的交互方式。想象一下&#xff0c;仅用手机拍摄的几张照片就能重建出物体的三维模型——这正是计算机视觉领域最激动人心的应用之一。本文将带你深入OpenCV 4.8.0的底层实现&#xff0c;…...

gte-base-zh低成本方案:一张3090显卡跑通达摩院向量模型

gte-base-zh低成本方案&#xff1a;一张3090显卡跑通达摩院向量模型 1. 方案概述与优势 1.1 为什么选择gte-base-zh&#xff1f; gte-base-zh是阿里巴巴达摩院基于BERT框架训练的中文文本嵌入模型&#xff0c;具有以下特点&#xff1a; 通用性强&#xff1a;在大规模多领域…...

通义千问2.5-7B惊艳案例展示:看它如何写出高质量营销文案

通义千问2.5-7B惊艳案例展示&#xff1a;看它如何写出高质量营销文案 1. 模型能力概览 通义千问2.5-7B-Instruct作为阿里最新发布的70亿参数指令微调模型&#xff0c;在文本生成领域展现出令人惊艳的能力。这款"中等体量、全能型、可商用"的模型具有以下核心优势&a…...

罕见模式检测新突破:docta的rare_score算法原理与实现

罕见模式检测新突破&#xff1a;docta的rare_score算法原理与实现 【免费下载链接】docta A Doctor for your data 项目地址: https://gitcode.com/gh_mirrors/do/docta 在数据科学领域&#xff0c;识别和处理罕见模式一直是一项极具挑战性的任务。docta作为一款专注于数…...

P1AM CPU库:工业级嵌入式I/O控制框架解析

1. P1AM CPU库技术解析&#xff1a;面向工业自动化场景的嵌入式I/O控制框架1.1 平台定位与工程价值P1AM&#xff08;ProductivityOpen Automation Module&#xff09;并非通用型MCU开发板&#xff0c;而是一个专为工业现场总线级I/O扩展设计的嵌入式控制器平台。其核心价值在于…...