第十七届蓝桥杯省赛c++b组题解

news2026/4/29 14:53:47
蓝桥杯省赛自测CB 组 - 洛谷 洛谷自测链接(由于数据原因 真实成绩可能与官方成绩有所出入)1.青春常数非常简单的入门题目 一共四年前两年总和要小于后两年 即xy2026202520242023且xy算出x的最大值即可(注意x可以为0 所以最大值还需要1)最后的答案为10131012601210122.双碳战略完全没有思路的一道题 考场上想用dfs暴搜怕电脑炸了 据说答案是7922646703.循环右移也是一道入门的贪心题 题目看起来像数学题 但是仔细一想就知道不管怎么进行循环右移都与原来相同也就是要求每个数字都相同 所以方案数就是范围内的数字个数 不过题目可能会出现xy的情况 要记得特判4.蓝桥竞技其实是一道贪心题 考场上没想出来只用了模拟 洛谷测只过了20%假设sum为所有选手人数max_num为最多人数的选手位置1.每名战队必须有五名队员组成 所有队员又必须恰好分配完 可得知sum%502.假设现在战队全部分配完 那么就是sum/5个战队(选手人数/一个战队的人数)如果现在max_numsum/5也就是说最多人数的选手位置中必定有人去不了任何一个战队(因为每个战队中都已经有这个位置的选手了)那么一定输出F而当max_numsum/5也就是说最多人数的选手位置也能依次塞近每个战队不会出现重复所以不会出现问题当同时满足sum%50且max_numsum/5时就输出‘T’反之输出‘F’5.LQ聚合考场上冥冥之中感觉像是贪心 但不知道怎么证明 无奈只好dfs暴搜我们需要最优的改变来获取最大值可以发现一个 L 能产生贡献取决于它后面有多少个 Q一个 Q 能产生贡献取决于它前面有多少个 L所以我们可以很明显的看出我们希望左边的L越多越好 右边的Q越多越好 但是我们怎么找这个分界点呢这时候就需要遍历找分界点先遍历一次统计尚未遇到的Q和将其值存下 初始化L为0然后我们该怎么找到最优解呢我们从左向右扫描 遇到L时贡献不变L 遇到Q时贡献L,Q--;关键是遇到怎么办有两种情况 一种是选择变L另一种是选择变Q。该怎么判断应该选择哪个呢如果变成L那么未来最多能贡献当前后的和Q的数量的值如果变成R那么目前能贡献L值只需要比较两者的大小即可知道该选择哪一个为什么这样一定是正确的呢因为一个位置的贡献只可能来自于左边(作为Q)或者右边(作为L) 不会同时影响到两边 继续遍历下去的决策也不会影响到当前的决策 所以局部最优全局最优代码可去上方链接对应题目找题解6.应急布线很容易看出来是并查集板子(赛后诸葛亮)只需要掌握并查集即可做出比赛的时候没想到并查集傻傻的数身上一条跳线都没有的电脑殊不知身上有跳线的电脑跟其他电脑形成一个块这个块和其他块也是有可能没有跳线的78理想温度和足球训练碍于实力问题 理想温度连题解都读不懂(这真是普及/提高−难度???)考场上的作者只会傻傻的模拟建议大家自行去题目链接阅读题解 足球训练作者也是只会dfs暴搜/(ㄒoㄒ)/~~关于多少分能拿省三省二省一问题今年难度略低于去年 但是估计分数也不会差太多 作者是弱省 去年只拿了10分就上省二了 今年估计弱省17左右省二吧 30左右省一 省三五分估计就有 强省的话自行相应的添加5分即可4.27号更新省赛成绩出来了作者拿了省一排名大概是省一中下吧洛谷估分大概是29分左右所以弱省省一分数线大约为25分强省30分左右应该。

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.coloradmin.cn/o/2561541.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…