tsarevfs

Первым делом выделяем связанные фигуры.
Изначально каждый отдельный квадрат и каждую фигуру помечаем "свободным".
В цикле, пока есть свободные квадраты:
пробегаемся по всем квадратам, если под квадратом пол или "замороженный" квадрат, морозим его;
пробегаемся по свободным фигурам, если в фигуре появились замороженные квадраты, морозим фигуру и остальные квадраты в фигуре;
пробегаемся по свободным фигурам, каждый квадрат из нее опускаем на 1 клетку вниз;
идем в начало цикла.

Если поле очень большое, можно попытаться посчитать более эффективно. Но это нужно заморочиться. Идея в том, что можно, пробежавшись по столбцам, оценить насколько могут фигуры двигаться относительно друг друга. И потом посмотреть на сколько их можно все опустить. Но дальше хз что делать =)

word_list = input_string.split(' ') 
while <в word_list есть слово начинающееся с нужной буквы>:
   добавить это слово в конец результата
   убрать добавленное слово из word_list

отсортировать оставшиеся в word_list слова
добавить их в ответ

Возможно проще для поиска слов использовать dict такого вида {'x' : 'xxx', 'y' : 'yyy'}. Тогда искать нужное слово будет просто ( if last_letter in first_letter2word: ). Из него так же можно удалять уже добавленные слова.

1 вариант -- отдельные файлы для матриц.
2 вариант:

2 //количество матриц
2 2 //строк, столбцов в 1 матрице
1 2
3 4
3 4
3 3 //строк, столбцов в 1 матрице
1 2 3
4 5 6
7 8 9

3 вариант -- json

Посмотрите конец статьи.

var byTag =  document.getElementsByTagName('p');
var counter = 0

for (var c = 0; c < byTag.length; c++) {
   byTag[c].onclick = (function (num) {
      return function() {
         byTag[num].innerHTML = ++counter;
      }
   })(c)

Суть в том, что переменная "c" глобальная и захватывается как ссылка. То есть когда вызывается onclic ее значение == byTag.length а не то, какое было в момент добавления колбека.

Может устроит расшареная виндовая папка с настроеными правами? Если нужно именно приложение, то подойдет любой язык, который знаете. Причем приложение может точно так же пользоваться расшареной папкой (см. samba). Либо можно пилить веб сервер. Правда если в качестве файлов могут быть например word документы или еще что-то, что не открыть прямо в браузере, то стоит подумать есть ли в этом смысл.

1. Есть несколько вариантов, но все из них сводятся к тому, что текст, данные форм и прочее нужно представить в виде набора байт. Это называется сериализацией. Это можно делать по разному. Например использовать бинарный формат близкий к тому как эти данные хранятся в памяти. Это достаточно сложно особенно если программы написаны на разных языках. Вам подойдет более высокоуровневый подход на основе JSON (ndjson) или msgpack. Или даже более высокоуровневые решения типа json/msgpack rpc.
2. Прием работает в обратном порядке. Мы принимаем данные в некотором формате и десериализуем их в те структуры данных, которые используются в программе.
3. Уточните вопрос, но ответ скорее всего нет =)
4. Он может участвовать а может и нет. Он работает поверх сокетов. Вероятно для ваших целей он избыточен. Однако смотреть можно в сторону rpc over http или rest api.
5. Основная проблема в том, что операция -"ждать сообщения от клиента / сервера" блокирующая. И если ничего не предпринять, то клиент не сможет реагировать на клавиатуру / мышь, а сервер не сможет работать с несколькими клиентами. Поэтому сетевое общение можно вынести в отдельный поток или использовать какие-то асинхронные механизмы (в паскале с этим не очень похоже).
6. Паскаль возможно не лучший язык для клиента. На той же Java это было бы проще.

Под windows студия это оптимальный вариант. Как только задачи станут немного сложнее, время на создание проекта будет незначительно по отношению к времени на написание кода. В качестве бонуса студия дает вам вменяемый отладчик, который очень полезен, если научиться им пользоваться.

Отношение наследования в реальном мире лучше всего описывается словом "является". Каждый ComPort является девайсом, а обратное не верно (вероятно девайсы бывают разные, иначе не понятно зачем такой класс вовсе). Значит Device должен быть базовым классом.
Далее, что касается связи двух экземпляров. Каждый экземпляр класса ComPort и так является Device благодаря наследованию. Функция write у девайса может быть виртуальной и абстрактной (=0 не имеющей своей реализации). В ComPort она будет оверрайдиться уже с конкретной реализацией для порта.
Таким образом вы можете иметь:

Device * d = new ComPort(setting1, setting2);
d.write(data);

в этом случае write будет вызван с нужными настройками (setting1, setting2).

Более того, такой подход позволит использовать разные девайсы единообразно:

std::vector<Device *> ds;
ds.push_back(new ComPort(setting1, setting2));
ds.push_back(new UsbPort(setting3, setting4));

for (auto d : ds)
   d->write(data);
</code

Для начала полезно смотреть на 2 графика -- количество ошибок в тестовой и обучающей выборке по эпохам.
learn_rates это коэффициент который соответствует скорости обучения. Если ошибка уменьшается плавно, но медленно -- увеличиваем. так же влияет на вероятность попасть в локальный минимум.
learn_rate_decays -- затухание learn_rates со временем. Суть в том, что точное решение ищем с меньшей скоростью когда уже нашли хорошее приближение.
epochs -- собственно прогоны обучающей выборки. Когда графики некоторое время остаются на месте, продолжать обучение смысла нет.
verbose -- не относится к обучению. Если True печатает какую-то дополнительную информацию в процессе.
Еще графики помогут определиться со сложностью сети(количество слоев, нейронов в них). Если точность на обучающей выборке намного выше чем на тестовой -- переобучение. Это значит что модель слишком хорошо адаптировалась к обучающей выборке, "запомнила" ее, но плохо работает на незнакомых данных. Уменьшаем сложность модели. Если графики не сильно отличаюстя, но результат плохой -- нужно увеличивать сложность модели.

Исправить ошибки в строке -> привести все слова в начальную форму (бегала->бегать) -> найти нужное. Есть библиотеки которые это умеют. Начать поиск можно отсюда.

www.boost.org/doc/libs/1_59_0/libs/mpl/doc/refmanu... возможно что-то из boost mpl вам поможет. Но очень не рекомендуется это делать в pruduction коде. Такой код обычно очень дорого поддерживать.

Mint. Elementary показался сыроватым пол года назад.

Скорее всего матрицы хранятся в виде массива строк. Поэтому при работе со столбцами приходится активно прыгать по памяти и эффективность кэша процессора падает. Можно попробовать транспонировать матрицу перед активной работой со столбцами, и перемножать строчки.