小明放学——CCFCSP认证题目

本文介绍了一个基于智慧交通系统的回家时间估算算法。该算法通过分析红绿灯状态及路段耗时,精确计算从学校到家所需时间。文章详细阐述了解决方案的设计思路与实现细节。

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

题目内容:

  • 题目背景

  汉东省政法大学附属中学所在的光明区最近实施了名为“智慧光明”的智慧城市项目。具体到交通领域,通过“智慧光明”终端,可以看到光明区所有红绿灯此时此刻的状态。小明的学校也安装了“智慧光明”终端,小明想利用这个终端给出的信息,估算自己放学回到家的时间。

  • 问题描述

  一次放学的时候,小明已经规划好了自己回家的路线,并且能够预测经过各个路段的时间。同时,小明通过学校里安装的“智慧光明”终端,看到了出发时刻路上经过的所有红绿灯的指示状态。请帮忙计算小明此次回家所需要的时间。

  • 输入格式

  输入的第一行包含空格分隔的三个正整数 r、y、g,表示红绿灯的设置。这三个数均不超过 1e6。
  输入的第二行包含一个正整数 n,表示小明总共经过的道路段数和路过的红绿灯数目。
  接下来的 n 行,每行包含空格分隔的两个整数 k、t。k=0 表示经过了一段道路,将会耗时 t 秒,此处 t 不超过 1e6;k=1、2、3 时,分别表示出发时刻,此处的红绿灯状态是红灯、黄灯、绿灯,且倒计时显示牌上显示的数字是 t,此处 t 分别不会超过 r、y、g。

  • 输出格式

  输出一个数字,表示此次小明放学回家所用的时间。

  • 样例输入

30 3 30
8
0 10
1 5
0 11
2 2
0 6
0 3
3 10
0 3

  • 样例输出

46

  • 样例说明

  小明先经过第一段路,用时 10 秒。第一盏红绿灯出发时是红灯,还剩 5 秒;小明到达路口时,这个红绿灯已经变为绿灯,不用等待直接通过。接下来经过第二段路,用时 11 秒。第二盏红绿灯出发时是黄灯,还剩两秒;小明到达路口时,这个红绿灯已经变为红灯,还剩 11 秒。接下来经过第三、第四段路,用时 9 秒。第三盏红绿灯出发时是绿灯,还剩 10 秒;小明到达路口时,这个红绿灯已经变为红灯,还剩两秒。接下来经过最后一段路,用时 3 秒。共计 10+11+11+9+2+3 = 46 秒。

评测用例规模与约定

  有些测试点具有特殊的性质:
  * 前 2 个测试点中不存在任何信号灯。
  测试点的输入数据规模:
  * 前 6 个测试点保证 n ≤ 1e3。
  * 所有测试点保证 n ≤ 1e5。

 

题目分析:

首先我们必须用弄懂题目的意思。每个t,只是出发时刻路上经过的所有红绿灯的指示状态,仅仅是出发时刻,也就是说,当小明具体到达路上看到的红绿灯的剩余时间,并不一定是t,红绿灯一直在根据小明走的时间,按照红、绿、黄的顺序在变化,这个题目的关键也就是:算出小明到达某个路口看到红绿灯在这个时刻的剩余时间。

我的思路:先让 time(小明走的时间) 和 红灯绿灯黄灯之和进行取模,这样就可以将红绿黄这样完整的几轮给约去,然后用t(出发时刻路上经过的所有红绿灯的指示状态)和 time 进行相减 ,此结果的绝对值 一定小于 红灯绿灯黄灯之和,然后在这一轮具体情况具体分析得出答案。

必须注意: int 最大也就 1e9 ,但是按照题目要求,t 不超过 1e6。 n ≤ 1e5 。t*n=1e11 超出 int 范围 ,所以time必须使用 long long类型。

代码:

#include<iostream>
using namespace std;
int main(){
int r,y,g,n,k,t;
long long time=0;
	scanf("%d%d%d",&r,&y,&g);
	scanf("%d",&n);
int u;
int z; 
	for(int i=0;i<n;i++){
		cin>>k;
		switch(k){
			case 0:  //直走
			 cin>>t;
			 time+=t;
			 break;
			case 1:  //红灯
			 cin>>t;
			 u=time%(r+g+y);    //此时红绿灯经过完整的几轮之后
			 z=t-u;			
			if(z==0){
				//时间不增加
			}
			else if(z>0){
				time+=z;
			}
			else if(z<0&&z+g>0){
				//绿灯直接走
			}
			else if(z+g<=0&&z+g+y>0){
				time+=z+g+y+r;      //黄灯之后红灯
			}
			else if(z+g+y<=0&&z+g+y+r>0){
				time+=z+g+y+r;       //红灯

			}
			break;
			case 2:    //黄灯
			cin>>t;
			u=time%(r+g+y);    
			z=t-u;
			if(z==0){
				//时间不增加
				time+=r;
			}
			else if(z>0){
				time+=z+r;
			}
			else if(z<0&&z+r>0){
				time+=z+r;
			}
			else if(z+r<=0&&z+r+g>0){
				//绿灯直接走
			}
			else if(z+r+g<=0&&z+r+g+y>0){
				time+=z+r+g+y+r;       //红灯
			}
			break;
			case 3:  //绿灯
			cin>>t;
			u=time%(r+g+y);    
			z=t-u;
			if(z==0){
				time+=y+r;
			}
			else if(z>0){
				//绿灯直接走
			}
			else if(z<0&&z+y>0){
				time+=z+y+r;
			}
			else if(z+y<=0&&z+y+r>0){
				time+=z+y+r;
			}
			else if(z+y+r<=0&&z+y+r+g>0){
					//绿灯直接走
			}
			break;


		}



	}

  cout<<time<<endl;




	return 0;
}

 

 

### CCF CSP 小明种植苹果问题解析 #### 问题描述 小明需要管理一片果园中的苹果树,每棵树上都有一定数量的苹果。为了提高果实质量,他会对部分果树进行疏果操作,即将一些不良苹果摘除。最终目标是统计整个果园中剩余的苹果总数 \( T \),找出疏果最多的那棵树的编号 \( k \) 及其剩余苹果的数量 \( P \)[^1]。 此外,在后续版本的问题中引入了“落果”的概念:如果某棵树上的当前苹果数少于前一棵树扣除疏果后的苹果数,则认为发生了落果现象[^2]。 --- #### 算法设计思路 ##### 数据结构定义 程序可以采用数组来存储每一棵苹果树的相关数据,具体包括: - `count[i]` 表示第 \( i \) 棵树初始的苹果数目; - `remove[i]` 记录第 \( i \) 棵树被疏掉的苹果数目; - `remain[i]` 存储经过疏果处理后第 \( i \) 棵树剩下的苹果数目; - `flag[i]` 判断是否发生过落果事件(布尔型变量),其中 `true` 或者 `false` 来表示是否有落果情况。 对于第二问涉及的落果次数统计,还需要额外维护一个全局变量 `D` ,用于记录总的落果次数。 --- ##### 输入与预处理逻辑 读取输入时需注意以下几点: 1. **边输入边计算**:由于题目要求实时更新统计数据,因此建议在每次接收新数据的同时完成相应的运算。 2. **初始化参数**:设定最大疏果量初值为负无穷大或者非常低的一个数值;同时将总苹果数设为零以便累加求和。 3. **特殊边界条件考虑**:当只有一颗树木时如何单独处理?以及所有树均未经历任何疏果的情况该如何返回合理的结果? --- ##### 主体算法流程 以下是解决此问题的核心伪代码: ```python def process_apples(n, counts, removes): total_remaining = 0 max_removed_index = -1 max_removed_value = float('-inf') previous_count_after_removal = None drop_occurrences = 0 for i in range(n): current_remainder = counts[i] - removes[i] # 更新总体剩余苹果数量 total_remaining += current_remainder # 找到最多疏果的那一棵树及其对应的剩余苹果数 if removes[i] > max_removed_value: max_removed_value = removes[i] max_removed_index = i + 1 # 转换为基于人的索引 (从1开始) # 处理落果判定 if i != 0 and previous_count_after_removal is not None: expected_current_min = previous_count_after_removal - removes[i-1] if current_remainder < expected_current_min: drop_occurrences += 1 # 准备下一轮迭代所需的数据 previous_count_after_removal = current_remainder result_k_p = (max_removed_index, counts[max_removed_index - 1] - removes[max_removed_index - 1]) return total_remaining, result_k_p, drop_occurrences ``` 上述实现涵盖了两个主要功能模块——寻找具有最高疏果率的特定树并报告相应细节,同时也完成了关于潜在落果情形的有效监控。 --- #### 关键点分析 1. **动态调整策略** 需要在遍历过程中不断刷新有关最大疏果信息的状态,并同步累积整体剩余苹果总量。这一步骤确保即使遇到异常状况也能维持正常运作。 2. **复杂度考量** 整个解决方案的时间复杂度接近线性级别 O(N),这是因为只需要一次完整的列表扫描即可获取全部必要指标[^3]。 3. **鲁棒性的增强** 特殊场景下的行为模式应当清晰界定,比如面对极端稀疏分布或完全均匀的情形时的表现应保持一致性和合理性。 --- #### 示例运行案例 假设我们有如下测试样例: - 树木数量 N=4; - 各自原始苹果数分别为 {8,7,6,5}; - 对应执行的疏果动作分别是{2,3,1,4}. 那么按照前述方法论得出结论应该是这样的: - 总共剩下苹果数 T=11; - 发生最频繁疏果的是第四号位置 K=4 ,它保留下来的果实数目 P=1 ; - 并且在整个周期里观察到了两次独立的落果迹象 D=2 . ---
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
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