P1318 积水面积

最新推荐文章于 2020-11-30 19:05:22 发布
最新推荐文章于 2020-11-30 19:05:22 发布
阅读量604 收藏
点赞数
分类专栏： 单调栈
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Jackleg/article/details/73388568
版权
该博客介绍了一道编程题，要求根据一组正整数表示的柱子高度，计算可能积水的面积总和。题目提供了一个输入输出样例，并展示了一段Pascal程序作为解决方案。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

题目描述

一组正整数，分别表示由正方体迭起的柱子的高度。若某高度值为x，表示由x个正立方的方块迭起（如下图，0<=x<=5000）。找出所有可能积水的地方（图中蓝色部分），统计它们可能积水的面积总和（计算的是图中的横截面积。一个立方体的位置，为一个单位面积）。

如图：柱子高度变化为 0 1 0 2 1 2 0 0 2 0

这里写图片描述

图中蓝色部分为积水面积，共有6个单位面积积水。

输入输出格式

输入格式：
两行，第一行n,表示有n个数(3<=n<=10000)。第2行连续n个数表示依次由正方体迭起的高度，保证首尾为0。

输出格式：
一个数，可能积水的面积。

输入输出样例

输入样例#1：
10
0 1 0 2 1 2 0 0 2 0
输出样例#1：
6

program df;
var i,j,n,m,x,y,z,k,t:longint; ff:boolean;
a,c,d:array[0..100000] of longint;
begin
readln(n);
for i:=

最低0.47元/天 解锁文章
luogu P1318 积水面积
Peipei
08-01 451
题目描述一组正整数，分别表示由正方体迭起的柱子的高度。若某高度值为x，表示由x个正立方的方块迭起（如下图，0<=x<=5000）。找出所有可能积水的地方（图中蓝色部分），统计它们可能积水的面积总和（计算的是图中的横截面积。一个立方体的位置，为一个单位面积）。如图：柱子高度变化为 0 1 0 2 1 2 0 0 2 0图中蓝色部分为积水面积，共有6个单位面积积水。输入输出格式输入格式： 两行，第一行
Luogu P1318 积水面积
youyi2008的博客
04-16 170
题目描述 一组正整数，分别表示由正方体叠起的柱子的高度。若某高度值为x，表示由x个正立方的方块叠起（如下图，0<=x<=5000）。找出所有可能积水的地方（图中蓝色部分），统计它们可能积水的面积总和（计算的是图中的横截面积。一个立方体的位置，为一个单位面积）。 如图：柱子高度变化为 0 1 0 2 1 2 0 0 2 0 图中蓝色部分为积水面积，共有6个单位面积积水。 输入格式 两行，第一行n,表示有n个数(3<=n<=10000)。第2行连续n个数表示依次由正方体..
洛谷 P1318 积水面积
HJ921004的博客
12-23 290
P1318 积水面积 题目描述 一组正整数，分别表示由正方体迭起的柱子的高度。若某高度值为x，表示由x个正立方的方块迭起（如下图，0<=x<=5000）。找出所有可能积水的地方（图中蓝色部分），统计它们可能积水的面积总和（计算的是图中的横截面积。一个立方体的位置，为一个单位面积）。 如图：柱子高度变化为 0 1 0 2 1 2 0 0 2...
综合电法在煤矿积水老空区探测的应用分析
而直流电法则主要通过测量地表或地下的电位差来推断地质结构，尤其适用于识别近地表的水体和空洞，对于大面积积水采空区和小范围积水采空巷道的探测有较好的效果。 文章以东庞矿9102工作面的实例展示了综合电法在...
文水县人民医院冬施方案（13P）_冬季施工方案.doc
07-30
工程包括门诊住院综合楼和医技住院楼，总面积超过32,999平方米，采用不同的结构形式和基础类型。门诊楼为框架结构，医技楼则为框架-剪力墙结构，两者都有地下室，并且建筑耐火等级和抗震等级均为一级。 三、冬期...
洛谷P1318积水面积题解
LightningUZ的博客
07-29 598
我是个蒟蒻，O（n）的做法我不会。 但是，请看好数据。10000x5000是**不会**超时的！！！！！ 所以我就用了10000x5000的大暴力 #include&lt;bits/stdc++.h&gt; using namespace std; int main() {     int n;     cin&gt;&gt;n;     int a[10010];     int mx=...
洛谷P1318积水面积
qq_33437973的博客
07-14 533
先上题目链接：https://www.luogu.org/problemnew/show/P1318 讲讲思路： ​ 从双向记录两边到当前位置的最大的高度 ​ 设两个数组l[i],r[i]，分别记录从前往后和从后往前到i位置的最大高度 ​ 然后在每个位置加上其能够装的水的量，见公式 sum+=min(l[i],r[i])-hi[i] 当前位置水能装的最大高度减去下面砖的高度即为当前位置能装的...
计算积水面积
weixin_52103641的博客
11-30 1193
计算面积 为给某地区制订防洪策略，我们要模拟洪水时的受灾状况。如上图所示，现已 在 1 X 1 ( m2 ) 的网格纸上阃出了该地区的地形断面图，请报告该地区各积水处的横截面积。假设给定地区持续降雨，从该地区溢出的多余雨水将流人左右的海中。以上图中的断面图为例，积水处的横截面积从左至右分别为 4 、 2、 1 、19、9。 输入 用 “/” 和 “\” 代表地形断面图中的斜面，用“”代表平地。在 1 行之内完成 输入。 如：\///_//\\//\///__\_\///\ 输出 第 1 行输出该地区积水处横
洛谷 1318 积水面积 模拟 解题报告
Hawo11的博客
11-01 1121
题目描述一组正整数，分别表示由正方体迭起的柱子的高度。若某高度值为x，表示由x个正立方的方块迭起（如下图，0<=x<=5000）。找出所有可能积水的地方（图中蓝色部分），统计它们可能积水的面积总和（计算的是图中的横截面积。一个立方体的位置，为一个单位面积）。如图：柱子高度变化为 0 1 0 2 1 2 0 0 2 0图中蓝色部分为积水面积，共有6个单位面积积水。输入输出格式输入格式： 两行，第一行
积木积水（广东工业大学校赛决赛2016E题）
Todd_Dijkstra的博客
04-13 625
题目：Problem E: 积木积水Description 现有一堆边长为1的已经放置好的积木，小明（对的，你没看错，的确是陪伴我们成长的那个小明）想知道当下雨天来时会有多少积水。小明又是如此地喜欢二次元，于是他把这个三维的现实问题简化成二维的问题。设雨量无穷、积木不透水、积木间无缝连接，问在这个二次元的世界里，已放置好的积木会有多少单位的积水量？Input 第一行包含一个整数T(T≤100)，
百炼：（4074）积水量
u012126974的专栏
01-08 1252
4074:积水量 总时间限制: 1000ms 内存限制: 65536kB 描述 凹凸不平的地面每当下雨的时候总会积水。假设地面是一维的，每一块宽度都为1，高度是非负整数，那么可以用一个数组来表达一块地面。 例如[0,1,0,2,1,0,1,3,2,1,2,1]可以用来表示下图地面： 当下过雨后，地面就会积水，上图中蓝色的区域就是积水区域。现在给你一个数组表示
P1317 低洼地Python
最新发布
03-20
### P1317 低洼地问题的 Python 实现 P1317 低洼地问题是关于地形图上的水流动向以及积水区域计算的经典问题。通常可以通过深度优先搜索 (DFS) 或广度优先搜索 (BFS) 来解决此类问题。 #### 算法思路 该问题的核心在于模拟水流方向并找到最低点或汇流点。通过构建二维数组表示地形高度，可以利用 DFS 遍历每个位置的高度值，并标记已访问过的节点以避免重复计算。最终统计出所有可能形成低洼地的位置及其面积大小。 以下是基于 DFS 的具体实现方法： ```python def dfs(x, y, height_map, visited): rows, cols = len(height_map), len(height_map[0]) # 如果超出边界或者已经访问过，则返回 if x < 0 or x >= rows or y < 0 or y >= cols or visited[x][y]: return # 访问当前格子 visited[x][y] = True # 获取四个方向坐标变化量 directions = [(0,-1),(0,1),(-1,0),(1,0)] for dx, dy in directions: nx, ny = x + dx, y + dy # 只有当相邻单元更低时才继续探索 if 0<=nx<rows and 0<=ny<cols and not visited[nx][ny] and height_map[nx][ny]<height_map[x][y]: dfs(nx, ny, height_map, visited) def find_low_points(height_map): rows, cols = len(height_map), len(height_map[0]) visited = [[False]*cols for _ in range(rows)] low_points = [] for i in range(rows): for j in range(cols): is_low_point = True # 检查上下左右邻居是否都大于等于当前位置 neighbors = [ (i-1,j), (i+1,j), (i,j-1), (i,j+1) ] for ni,nj in neighbors: if 0<=ni<rows and 0<=nj<cols and height_map[ni][nj]<=height_map[i][j]: is_low_point = False break if is_low_point: low_points.append((i,j)) return low_points # 输入样例地图数据 height_map = [ [1, 0, 2, 5], [2, 3, 1, 4], [3, 2, 4, 6], [4, 5, 6, 8] ] low_points = find_low_points(height_map) print("Low Points:", low_points) visited = [[False]*len(row) for row in height_map] for point in low_points: dfs(point[0], point[1], height_map, visited) ``` 上述代码实现了两个主要功能函数 `find_low_points` 和 `dfs` 。前者用于查找所有的局部最小值即潜在的低洼地点；后者则负责从这些起点出发做进一步深入探测直至无法再往下走为止[^1]。 #### 进一步优化建议 对于大规模输入情况下的效率改进可以从以下几个方面考虑： - **剪枝技术**：提前终止不必要的分支运算。 - **动态规划存储中间状态**：减少重复计算开销。 - 使用更高效的队列结构代替递归来处理 BFS 类型的任务如果适用的话。 #### 注意事项 本解答假设给定的地图是一个封闭系统，边缘外不存在其他影响因素。实际应用中还需要考虑到更多细节比如溢出保护机制等特殊情形处理[^3]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值