博客
关于我
7-6 一帮一
阅读量:704 次
发布时间:2019-03-21

本文共 842 字,大约阅读时间需要 2 分钟。

一帮一学习小组是中小学常见的学习组织方式,教师通常会将学习成绩靠前的学生与学习成绩靠后的学生分为一组。本题要求编写程序,帮助老师自动完成学生分组工作。具体任务是在已知全班学生的排名后,在尚未分组的学生中,将名次最靠前的学生与名次最靠后的异性学生分为一组。

输入第一行给出正偶数N(≤50),表示全班学生的人数。接下来的N行依次列出了每个学生的性别(0代表女生,1代表男生)和姓名(不超过8个英文字母的非空字符串),信息之间用1个空格分隔。保证本班男女比例为1:1,且名次排名无并列。

输出格式要求,每行输出一组两个学生的姓名,名次高的学生在前,名次低的学生在后。输出中组的顺序按前面学生的名次由高到低排列。

输入样例:

80 Amy1 Tom1 Bill0 Cindy0 Maya1 John1 Jack0 Linda

输出样例:

Amy JackTom LindaBill MayaCindy John

注:上述程序可通过以下方式实现:

#include 
#include
#include
#include
using namespace std;struct student { int sex; char name[200];};int main() { int n, i, j; cin >> n; for (i = 0; i < n; ++i) { cin >> s[i].sex >> s[i].name; } int vis[1000]; memset(vis, 0, sizeof(vis)); for (i = 0; i < n; ++i) { // 这里的逻辑为:配对次学生 } return 0;}所有学生按照排名从高到低排序后,程序将每个较高排名的学生与对应的较低排名的异性学生配对。

转载地址:http://hfoez.baihongyu.com/

你可能感兴趣的文章
OpenCV与AI深度学习 | 使用OpenCV检测并计算直线角度
查看>>
OpenCV与AI深度学习 | 使用OpenCV轮廓检测提取图像前景
查看>>
OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)
查看>>
OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类
查看>>
OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪
查看>>
OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)
查看>>
OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计
查看>>
OpenCV与AI深度学习 | 初学者指南 -- 什么是迁移学习?
查看>>
OpenCV与AI深度学习 | 十分钟掌握Pytorch搭建神经网络的流程
查看>>
OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测
查看>>
OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别
查看>>
OpenCV与AI深度学习 | 基于OpenCV实现模糊检测 / 自动对焦
查看>>
OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果
查看>>
OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测
查看>>
OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别(数据集 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割
查看>>
OpenCV与AI深度学习 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
查看>>
OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
查看>>
VS2003 Front Page Server Extension
查看>>