python 基础知识点(蓝桥杯python科目个人复习计划59)

今日复习内容:做题

例题1:建造房屋

问题描述:

小蓝和小桥是两位年轻的建筑师,他们正在设计一座新的城市。

在这个城市中,有N条街道,每条街道上有M个位置可以建造房屋(一个位置只能建造一个房屋),建造一个房屋的费用是1元,小蓝和小桥共有k元的建造预算。

现在,他们想知道,一共有多少种建造方案,满足以下要求:

在每条街道上,至少建造一座房屋;

建造的总成本不能超过k元。

由于方案数可能很大,他们只需要输出答案对10^9 + 7取模的结果。

输入格式:

一行3个整数N,M(1 = N,M <= 30)和K(1 <= K <= N * M),分别表示街道数,街道位置数和预算。

输出格式:

一个整数,表示满足条件的方案数对10^9 + 7取模的结果。

参考答案:

mod = int(1e9) + 7
n,m,k = map(int,input().split())
f = [[0] * (k + 1) for i in range(n + 1)]
for i in range(k + 1):
    f[0][i] = 1
for i in range(1,n + 1):
    for j in range(k + 1):
        for z in range(1,m + 1):
            if j >= z:
                f[i][j] = (f[i][j] + f[i - 1][j - z]) % mod
print(f[n][k])

运行结果:

 

以下是我对此题的理解:

这道题涉及动态规划,目标的计算在给定预算下,满足建造要求的方案数。

1.定义了一个二维数组f,其中f[i][j]表示在前i条街道上,总成本为j的方案数。

2.初始化数组f[0][i],表示在0条街道上,总成本为i的方案数,初始化为1,因为无论预算多少,都有一种方案(不建造任何房屋)。

3.使用3层循环,其中第一层循环遍历街道,第二层循环遍历总成本,第3层循环遍历每个街道上可建造的位置。

4.在内层循环中,检查当前总成本j是否大于街道上可建造的位置数z。如果满足条件,则需要更新f[i][j],加上之前街道i - 1上总成本为j - z的方案数。

5.最终输出结果为f[n][k],表示在前n条街道上,总成本为k的方案数。

n,m,k = map(int,input().split()):从标准输入读取三个整数,分别表示街道数n,街道位置数m和预算k

f = [[0] * (k + 1) for i in range(n + 1):这一行代码创建了一个二维列表f,其中包含n + 1行,每行包含k + 1个元素,初始值都为0,这个列表用于存储动态规划过程中的中间结果。

for i in range(k + 1):这个循环遍历了k + 1个预算值,用于初始化第0条街道上的方案数。

f[0][i] = 1:这一行将第0条街道上总成本为i的方案数记为1,因为无论预算多少,都要一个方案,不建造任何房屋。

for i in range(1,n + 1):这个循环遍历了1到n条街道

for j in range(k + 1):这个循环遍历了k + 1个总成本值,,用于计算每条街道上的方案数

for z in range(1,m + 1):这个循环遍历了每个街道上可建造的位置数,从1到m

if j >= z:这个条件判断语句检查当前总成本j是否大于等于当前街道上可建造的位置数z

f[i][j] = (f[i][j] + f[i - 1][j - z]) % mod:这一行更新了当前街道上总成本为j的方案数。它将之前街道i - 1上总成本为j - z的方案数加到当前街道上,并对结果取模。

print(f[n][k]):最后输出结果,表示前n条街道上,总成本为k的方案数。


例题2:破损的楼梯

问题描述:

小蓝来到了一座高耸的楼梯前,楼梯共有N级台阶,从第0级台阶出发。小蓝可以迈上1或2级台阶。但是,楼梯上的第a1级,第a2级,第a3级,以此类推,共M级台阶的台阶面坏掉了,不能踩上去。

现在,小蓝想要到达楼梯的顶端,也就是第N级台阶,但他不能踩到坏了的台阶上,请问他有多少种不能踩到坏了的楼梯但是能到达第N级台阶的方案数?

由于方案数很大,请输出其对10^9 + 7的结果。

输入格式:

第一行包含两个正整数N(1 <= N <= 10^5)和M(0 <= M <= N),表示台阶总数和坏了的台阶级数。

接下来来N行,包含N个整数a1,a2,...,aM,(1 <= a1 < a2 <... < aM <= N),表示坏掉的台阶编号。

输出格式:

输出一个整数,表示小蓝到达楼梯顶层的方案数,对10^9 + 7取模。

参考答案:

mod = int(1e9) + 7
n,m = map(int,input().split())
mm = list(map(int,input().split()))
vis = [0] * (n + 1)
for i in mm:
    vis[i] = 1
f = [0] * (n + 1)
f[0] = 1
f[1] = 1 - vis[1]
for i in range(2,n + 1):
    if not vis[i]:
        f[i] = (f[i - 1] + f[i - 2]) % mod
print(f[n])

运行结果:

 

以下是我对此题的理解:

这个题是一个很经典的冬天规划问题,以下是我的思路:

n,m = map(int,input().split()):从标准输入中读取两个整数,分别表示台阶总数和坏了的台阶数。

mm = list(map(int,input().split())):从输入中读取坏了的台阶的编号,并将它们储存在列表mm中

vis = [0] * (n + 1):创建了一个长度为n + 1的列表,用于标记每个台阶是否坏掉。如果台阶i坏了,则vis[i]的值为1,否则为0.

for i in mm:vis[i] = 1:这个循环将坏掉的台阶编号所对应的vis列表中的值记为1,表示这些台阶坏了。

f = [0] * (n + 1):用于存储动态规划过程中的中间结果,f[i]表示到达第i级台阶的方案数

f[0] = 1:初始第0级 台阶的方案数为0,因为小蓝从第0级台阶出发。

f[1] = 1 - vis[1]:初始化第一级台阶的方案数,如果第一级台阶坏了,则方案数为0,否则为1.

for i in range(2,n + 1):遍历剩下的台阶

if not vis[i]:用于判断此台阶是否坏了,如果没有,就继续执行下面的代码

f[i] = (f[i - 1] + f[i - 2]) % mod:这一行更新了到达第i级台阶的方案数,如果第i - 1级台阶坏了,只能通过第i - 2级台阶才能到达第i级台阶,这里需要考虑台阶的可行性。

print(f[n]):最终输出结果


例题3:拍照

问题描述:

小椒是个摄影爱好者。恰逢班级合照,他受邀帮忙拍照(站成一排)。这本是一件简单的事,但由于啾啾是个完美主义者,他希望拍的照片必须符合美学,即存在一个身高较大值,使得较大值无论往左还是往右身高都是递减的,数学上可以表示为:a[1] <= ... <= a[i] >= a[i + 1] >= ...>= a[n]。同学们已经站好了,但是不符合美学,你需要找出尽可能少的同学出列重新进行排列。请问最少需要出列几个同学?

输入格式:

第一行输入n,表示有n个同学,接下来的n行,输入校友身高,其中第i行输入a[i]( 1 <= i  <= n),输入编号为i的校友的身高(单位是毫米)。

(1 <= n <= 100,1500 <= a[i] <= 1900)

输出格式:

输出一个整数,表示最少需要出队多少个同学。

参考答案:

n = int(input())
a = list(map(int, input().split()))
dp1 = [0] * (n + 1)
dp2 = [0] * (n + 1)

for i in range(1, n + 1):
    dp1[i] = 1
    for j in range(1, i):
        if a[i - 1] >= a[j - 1]:
            dp1[i] = max(dp1[i], dp1[j] + 1)

for i in range(n, 0, -1):
    dp2[i] = 1
    for j in range(n, i, -1):
        if a[i - 1] >= a[j - 1]:
            dp2[i] = max(dp2[i], dp2[j] + 1)

ans = 0
for i in range(1, n + 1):
    ans = max(ans, dp1[i] + dp2[i] - 1)

print(n - ans)

运行结果:

 

以下是我对此题的理解:

n = int(input()):从标准输入读取同学的数量n

a = list(map(int,input().split())):从标准输入读取每个同学的身高,并将它们存储在列表a中

dp1和dp2分别代表从左到右和从右到左的动态规划数组。它们的长度都是n + 1,用于存储每个位置的最长符合美学要求的子序列长度。

对于dp1数组,dp1[i]表示以同学i为结束的最长符合美学要求的子序列长度,初始化所有值为1,因为每个同学本身就是一个符合美学要求的子序列

对于dp2数组,dp2[i]表示以同学i为开始的最长符合美学要求的子序列长度,初始化所有值为1,因为每个同学本身就是一个符合美学要求的子序列。

对于每个同学i,在dp1中遍历所有在i之前的同学j,之后就是比较,再输出答案就可以了。


OK,前几天写比赛论文去了,没时间复习,从今天开始,必须挤时间了。

那这篇就这样了,下一篇继续!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/438027.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

#14vue3生成表单并跳转到外部地址的方式

1、背景 后端返回的json数据中包含一个json数组&#xff0c;此数组中是目标跳转地址所需要的form表单的数据。 2、跳转前的页面 const goto () > {finish.value true;request.post(/xxx/yyy,{zzz: zzz.value}).then(res > {const url res.data.submitUrlconst params…

洞察未来5-10年数字化转型的革命性趋势

“十四五”规划和2035年远景目标纲要提出了加快数字化发展&#xff0c;建设数字中国的目标&#xff0c; 这意味着数字化转型将成为推动生产方式、生活方式和治理方式变革的关键力量。 加快数字化发展 建设数字中国 ⭐ 打造数字经济新优势 ⭐ 加快数字社会建设步伐 ⭐ 提高数字…

【力扣白嫖日记】1070.产品销售分析III

前言 练习sql语句&#xff0c;所有题目来自于力扣&#xff08;https://leetcode.cn/problemset/database/&#xff09;的免费数据库练习题。 今日题目&#xff1a; 1070.产品销售分析III 表&#xff1a;Sales 列名类型sale_idintproduct_idintyearintquantityintpriceint …

Selenium自动化测试-3.元素定位(1)

这次我们要分享的是对元素的定位&#xff0c;在一个页面中有很多不同的策略来定位一个元素&#xff0c;我们选择最合适的方法即可。 一个页面最基本组成单元是元素&#xff0c;想要定位一个元素&#xff0c;我们需要特定的信息来说明这个元素的唯一特征。 selenium 主要提供了…

Javaweb之Web后端开发总结的详细解析

4. Web后端开发总结 到此基于SpringBoot进行web后端开发的相关知识我们已经学习完毕了。下面我们一起针对这段web课程做一个总结。 我们来回顾一下关于web后端开发&#xff0c;我们都学习了哪些内容&#xff0c;以及每一块知识&#xff0c;具体是属于哪个框架的。 web后端开…

BUUCTF-Misc2

wireshark1 1.打开附件 发现是流量包&#xff0c;放到Wireshark中分析 2.过滤 根据题目的提示寻找管理员登录的网站&#xff0c;从中获取密码 用http.request.methodPOST&#xff0c;过滤当前的 HTTP 请求为 POST 方法 3.查找 双击过滤后的流量包&#xff0c;查找管理员密码…

HarmonyOS(二)Ability应用模型概述

目录 1 Ability概念 2 Ability形态 3 Stage优势 4 Stage模型结构 5 总结 注&#xff1a;本章内容提前声明。 基于HarmonyOS开发者3.1/4.0版本配套的开发者文档&#xff0c;对应API能力级别为API 9 Release。 详情可参考官网API入门第一章应用模型文档中心 1 Ability概念…

Sleuth(Micrometer)+ZipKin分布式链路追踪

Sleuth(Micrometer)ZipKin分布式链路追踪 Micrometer springboot3之前还可以用sleuth&#xff0c;springboot3之后就被Micrometer所替代 官网https://github.com/spring-cloud/spring-cloud-sleuth 为什么会出现这个技术&#xff1f; 在微服务框架中&#xff0c;一个由客户…

SAP MM学习笔记44 - 特殊调达流程 - Blanket购买发注(汇总采购)

上一章学习了 支付计划&#xff0c;本章继续学习 Blanket购买发注&#xff08;汇总采购&#xff09;。 SAP MM学习笔记43 - 特殊调达流程 - 支付计划-CSDN博客 1&#xff0c;Blanket购买发注 概要 其实就是订好一个大致数额&#xff0c;然后让随便买&#xff0c;只要不超这个…

O2O:Offline Meta-Reinforcement Learning with Online Self-Supervision

ICML 2022 paper Introduction 元强化学习(Meta RL)结合O2O。元RL需要学习一个探索策略收集数据&#xff0c;同时还需学习一个策略快速适应新任务。由于策略是在固定的离线数据集上进行元训练的&#xff0c;因此在适应探索策略收集的数据时&#xff0c;它可能表现得不可预测&…

汽车小车车灯无痕修复用的胶是什么胶?

汽车小车车灯无痕修复用的胶是什么胶&#xff1f; 可以使用在小车车灯无痕修复中的胶水&#xff0c;通常使用的车灯无痕修复专用UV胶。 车灯无痕修复专用胶主要成份是改性丙烯酸UV树脂&#xff0c;主要应用在车灯的专业无痕修复领域。它可以用于修复车灯壳的裂缝或破损&#xf…

浅析扩散模型与图像生成【应用篇】(八)——BBDM

8. BBDM: Image-to-Image Translation with Brownian Bridge Diffusion Models 本文提出一种基于布朗桥&#xff08;Brownian Bridge&#xff09;的扩散模型用于图像到图像的转换。图像到图像转换的目标是将源域 A A A中的图像 I A I_A IA​&#xff0c;映射到目标域 B B B中得…

基于cnn卷积神经网络的车辆颜色检测识别-图像去雾-图像去雨(改进yolo目标检测-附代码)

– 引言&#xff1a; 开篇简述图像处理在智能交通监控、自动驾驶等领域的关键作用&#xff0c;并强调随着深度学习尤其是卷积神经网络&#xff08;CNN&#xff09;的发展&#xff0c;在复杂环境下的车辆颜色精确识别、图像恢复&#xff08;如去雾和去雨&#xff09;等难题得以…

数字孪生10个技术栈:数据处理的六步骤,以获得可靠数据。

一、什么是数据处理 在数字孪生中&#xff0c;数据处理是指对采集到的实时或历史数据进行整理、清洗、分析和转化的过程。数据处理是数字孪生的基础&#xff0c;它将原始数据转化为有意义的信息&#xff0c;用于模型构建、仿真和决策支持。 数据处理是为了提高数据质量、整合数…

腾讯云学生服务器多少钱?怎么申请?

2024年腾讯云学生服务器优惠活动「云校园」&#xff0c;学生服务器优惠价格&#xff1a;轻量应用服务器2核2G学生价30元3个月、58元6个月、112元一年&#xff0c;轻量应用服务器4核8G配置191.1元3个月、352.8元6个月、646.8元一年&#xff0c;CVM云服务器2核4G配置842.4元一年&…

图书馆管理系统(2)

接下来实现系统的子菜单&#xff0c;在写一个子模块的时候&#xff0c;其他子模块先屏蔽起来&#xff0c;因为没实现&#xff0c;代码运行就通不过 屏蔽起来写上todo&#xff0c;后面(Ctrl键F)搜索&#xff0c;找todo来实现 先来实现图书管理模块 第一步&#xff0c;先要把图…

Unity3D学习之XLua实践——背包系统

文章目录 1 前言2 新建工程导入必要资源2.1 AB包设置2.2 C# 脚本2.3 VSCode 的环境搭建 3 面板拼凑3.1 主面板拼凑3.2 背包面板拼凑3.3 格子复合组件拼凑3.4 常用类别名准备3.5 数据准备3.5.1 图集准备3.5.2 json3.5.3 打AB包 4 Lua读取json表及准备玩家数据5 主面板逻辑6 背包…

社区店选址案例研究:成功与失败的经验教训

大家好&#xff0c;我是一名鲜奶吧5年的创业者&#xff0c;在社区店经营方面有着丰富的经验。 今天&#xff0c;我将分享一些关于社区店选址的成功与失败案例&#xff0c;希望能给想开实体店或创业的朋友们提供有价值的干货信息。 首先&#xff0c;让我们来看看成功的社区店选…

鸿蒙开发岗成春招最大黑马,“金三银四”应届生如何突围?

一年一度春招时间到&#xff0c;技术岗位已成为众多人才竞相追求的“职业高地”&#xff0c;也是未来职业发展的重要方向之一。鸿蒙人才在春招市场上成为“香饽饽”&#xff0c;与往年不同的是&#xff0c;许多应届生放弃考公执念向程序员进攻&#xff0c;这一现象背后蕴含着深…

【C++】priority_queue和仿函数

priority_queue翻译过来就是优先队列&#xff0c;其实就是我们数据结构中的堆。堆这个东西之前也说过&#xff0c;它分为大根堆和小根堆&#xff0c;它的底层是一个类似数组的连续的空间&#xff0c;逻辑结构是一个完全二叉树&#xff0c;这个完全二叉树如果是小根堆的话父亲小…
最新文章