华为OD机试D卷C卷 - 最多购买宝石数目 (C++ Java JavaScript Python C语言)

这篇博客介绍了华为OD机考中的一道题目,即在给定的宝石价格和预算下,求最多能购买多少个宝石。博客详细阐述了问题描述、输入输出格式,并提供了C++、Java、JavaScript、Python和C语言的解题思路和代码示例。通过滑动窗口算法求解,展示了不同情况下的计算过程。

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

题目描述

橱窗里有一排宝石,不同的宝石对应不同的价格,宝石的价格标记为 gems[i]
0 ≤ i < n
n = gems.length
宝石可同时出售0个或多个,如果同时出售多个,则要求出售的宝石编号连续;

例如客户最大购买宝石个数为m,购买的宝石编号必须为:gems[i],gems[i+1],…,gems[i+m-1]
0 ≤ i < n
m ≤ n
假设你当前拥有总面值为 value 的钱,请问最多能购买到多少个宝石,如无法购买宝石,则返回0。

输入描述

第一行输入n,参数类型为int,取值范围:[0,10^6],表示橱窗中宝石的总数量。

之后 n 行分别表示从第0个到第n-1个宝石的价格,即 gems[0] 到 gems[n-1] 的价格,类型为int,取值范围:(0,1000]。

之后一行输入v,类型为int,取值范围:[0,10^9],表示你拥有的钱。

输出描述

输出int类型的返回值,表示最大可购买的宝石数量。

用例1

输入

7
8
4
6
3
1
6
7
10

输出

3

说明

gems = [8,4,6,3,1,6,7], value = 10

最多购买的宝石为gems[2]至gems[4]或者gems[3]至gems[5]

用例2

输入

0
1

输出

0

说明

gems = [], value = 1
因为没有宝石,所以返回0

用例3

输入

9
6
1
3
1
8
9
3
2
4
15

输出

4

说明

gems = [6, 1, 3, 1, 8, 9, 3, 2, 4], value = 15
最多购买的宝石为gems[0]至gems[3]

用例4

输入

9
1
1
1
1
1
1
1
1
1
10

输出

9

说明

gems = [1, 1, 1, 1, 1, 1, 1, 1, 1], value = 10
最多购买的宝石为gems[0]至gems[8],即全部购买

解题思路

以下是详细的解题思路:

  1. 首先,代码从控制台读取宝石的数量,每颗宝石的价格,以及你拥有的钱的总面值。

  2. 然后,初始化滑动窗口的左右边界(left和right)为0,窗口内宝石的总价(sum),以及最大可购买的宝石数量(max)。

  3. 在while循环中,首先将右边界的宝石价格加到总价中。如果总价超过你拥有的钱,

### 关于2024年华为真题及相关解析 #### 题目背景与描述 根据已知的信息,2024年的华为OD涉及多道编程题目,并提供了多种语言的支持,包括但不限于C语言C++JavaPython以及JavaScript。这些题目不仅考察基础算法能力,还注重实际编码技巧和优化思维[^1]。 具体到“攀登者2”这道题目,其核心在于模拟登山过程中的路径规划或资源分配问题。该类问题通常可以通过动态规划(Dynamic Programming)、贪心算法(Greedy Algorithm)或者广度优先搜索(BFS)来解决。以下是针对此题目的进一步分析: #### 思路概述 对于此类问题,可以采用分步求解的方式进行处理。假设输入数据为一组山峰的高度列表`heights[]`,目标是最优地完成一次或多轮攀爬操作,在满足特定条件的前提下最大化收益或最小化代价。常见的约束可能包括能量消耗限制、时间窗口设定等[^2]。 一种典型的解决方案如下所示: - 定义状态转移方程用于记录当前状态下所能达到的最大值; - 初始化边界情况以便后续迭代计算能够顺利展开; - 循环遍历整个数组并依据既定规则更新各个位置的状态值直至得出最终结果。 #### 示例代码 (Python 实现为例) ```python def climb_peaks(heights, energy_limit): n = len(heights) dp = [-float('inf')] * n # 动态规划表初始化 # 初始状态设置 dp[0] = heights[0] for i in range(1, n): for j in range(i): if abs(heights[i]-heights[j]) <= energy_limit and \ dp[j]+heights[i]>dp[i]: dp[i]=dp[j]+heights[i] return max(dp) if any(x >=0 for x in dp )else -1 if __name__ == "__main__": test_heights=[3,8,-4,9,5] limit=6 result=climb_peaks(test_heights ,limit ) print(result) ``` 上述程序片段展示了如何利用二维DP方法解决问题的一个简化版本。其中考虑到了两个维度上的变化因素——高度差与剩余精力阈值之间的关系,并通过双重循环实现了全局最优解的寻找过程。 #### 注意事项 需要注意的是,尽管这里给出了基于Python的具体实现方案,但在实际考环境中可能会遇到更多复杂情形下的变体形式。因此建议考生熟悉各类经典模型及其变形应用的同时也要加强动手实践的能力训练。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

算法大师

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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