洛谷c++B3848 [GESP样题 三级] 逛商场 题解

gesp(C++三级)(1)洛谷:B3848:[GESP样题 三级] 逛商场 阅读详情

难得写一次题解!!!

思路

思路很简单,循环遍历即可!

首先, 将题目中所有的变量创建,再建一个 count 。

输入 (数组用循环遍历)

循环遍历 + 条件判断;

输出 count 

就是这么难(简单)!

警告

请理解后再点复制!!!

AC代码

#include <bits/stdc++.h>
using namespace std;

int main (){
    int N = 0;
    cin >> N;
    int a[N] = {};
    int X = 0;
    int count = 0;
    for (int i = 0; i < N; ++i){
        cin >> a[i];
    }
    cin >> X;
    for (int i = 0; i < N; ++i){
        if (X >= a[i]){
            count++;
            X = X - a[i];
        }
    }
    cout << count << endl;
    return 0;
}

中规中矩~

根据题目要求一步步来!!!

(完结撒花~)

求3连求关!!!

题解:洛谷 B3848 [GESP样题 三级] 逛商场 等知名刷题平台精心挑选而来,并结合各平台提供的算法标签和难度等级进行了系统分类。题目涵盖了从基础到进阶的多种算法和数据结构,旨在为不同阶段的编程学习者提供一条清晰、平稳的学习提升路径。小明的原则很简单,见到想买的物品,只要能买得起,就一定会买下来之后才会继续往前走;小明是个不太有计划的孩子。这不,刚到手的零花钱,就全部拿着逛商场去了。《洛谷 B3848 逛商场》 #循环结构# #GESP#个整数,分别表示小明先后见到想买的物品的价格;行,包含一个整数,表示小明买到的物品数。,表示开始时小明共有。 阅读详情

相关推荐

DC-DC BUCK电路 PCB 布局布线 5 要点:以 XL4015 12V转5V 为例解析噪声控制

本文以XL4015 12V转5V降压电路为例,详细解析DC-DC BUCK电路PCB布局布线的5个关键要点,重点探讨噪声控制策略。通过功率回路最小化、热管理与接地优化、电感电容布局、反馈网络防干扰设计以及实测验证技巧,帮助工程师实现高效稳定的电源设计,显著降低输出纹波和电磁干扰。

weixin_29165725的博客 370

洛谷 CCF GESP C++ 三级上机题 部分题目题解

我下个月就要考GESP C++三级了,所以,为了加深我做出来的题目的印象,我写了这篇文章,希望各位宝子们也能学习参考这些题解。在文章正式开始前,我先把洛谷 CCF GESP C++ 三级上机题的题目传送门给大家,方便边学习边打代码。那么接下来,题解正式开始。

shen132033的博客 2073

n8n 快速入门1:构建一个简单的工作流

n8n 快速入门指南

engchina的专栏 1万+

CCF GESP C++ 三级上机题(1)逛商场----B3848

小明的原则很简单,见到想买的物品,只要能买得起,就一定会买下来之后才会继续往前走;第一行是一个整数 N,表示商场中共有 N 种小明想买的物品(1≤N≤100);小明是个不太有计划的孩子。这不,刚到手的零花钱,就全部拿着逛商场去了。对于 100%的数据满足1≤N≤100 且0≤ai​≤100000。第二行共有 N 个整数,分别表示小明先后见到想买的物品的价格;第三行是一个整数 X,表示开始时小明共有 X 元零花钱。输出 11 行,包含一个整数,表示小明买到的物品数。一天下来,小明到底买了多少物品呢?

sss123ddd的博客 493

ResNet改进(51):基于轴向注意力机制的改进ResNet模型

本文介绍了一种结合轴向注意力机制的改进ResNet模型。 通过在传统CNN中引入轴向注意力,我们能够在保持计算效率的同时,增强模型对图像全局上下文的理解能力。这种混合架构结合了CNN的局部特征提取优势和注意力机制的全局建模能力,在图像识别任务中表现出色。 轴向注意力机制的应用不仅限于ResNet,也可以灵活地集成到其他CNN架构中。 未来可以探索更多注意力变体,或将其应用于特定领域任务,如医学图像分析、自动驾驶等需要精确空间理解的场景。 希望本文能帮助你理解如何将注意力机制与传统CNN结合,为你的计

2401_82355416的博客 361

Spring AI 项目实战(一):Spring AI 核心模块入门

摘要:本文探讨了Spring Boot与Spring AI在Java生态下开发智能应用的技术融合。Spring Boot通过自动配置和嵌入式服务器简化企业级应用开发,其核心架构包括Spring Application和Web MVC框架。Spring AI则提供标准化接口,整合Hugging Face、TensorFlow等AI引擎,模块化支持NLP、CV和ML任务。文章通过代码示例展示了文本分类、图像处理和机器学习预测的实现,为开发者提供了Java生态下高效构建AI应用的解决方案。

博客 1533

B3848 [GESP样题 三级] 逛商场

很简单,很简单,掌握for循环,数组的输入、输出和for循环与if语句的嵌套就行了,其他都是数学问题。还有就是:if条件判断里有数组一定是数组在前(<=/>=)一个数。否则会出错。

Amy0531479的博客 1858

[关系图谱] 二.Gephi导入共线矩阵构建作者关系图谱

本文主要讲解Gephi绘制作者间的关系图谱,该软件可以广泛应用于社交网络、知识图谱分析,推荐读者使用。这是非常基础的一篇文章,重点讲解Gephi使用方法,希望对大家有所帮助。

杨秀璋的专栏 1万+

洛谷OJ 入门与面试 B2001-B2148 题解

洛谷OJ 入门与面试 B2001-B2148 题解

weixin_41801682的博客 1031

28_Spring AI 干货笔记之 OpenAI 聊天功能

本文详细介绍了在Spring AI框架中集成OpenAI聊天模型的方法。内容涵盖API密钥配置、通过starter依赖启用自动配置、连接与模型参数的详细设置,并重点说明了运行时选项的动态覆盖机制。文章还深入讲解了多模态处理(图像与音频)、结构化输出、函数调用等高级功能,提供了示例控制器和手动配置指南,并讨论了与OpenAI兼容服务器的适配与推理模型思维链的获取。

在科技的浪潮中,我们寻找着创新的火种,在代码的海洋里,我们编织着智慧的网。腾飞开源,就是这样一个由技术精英汇聚而成的博客平台,我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上,你会看到紧跟技术前 1659

在 SAP ABAP 生态中偏爱面向对象,而不是过程式堆叠

本文探讨了ABAP开发中过程式与面向对象编程的共存现状及优化方向。文章指出,虽然过程式编程在ABAP中仍广泛存在,但随着业务复杂度提升,面向对象编程在可维护性、可测试性和重构便利性方面展现出明显优势。作者建议将过程式代码作为"适配层",仅负责输入输出转换,而将核心业务逻辑封装在类中。文章通过实际案例展示了这种架构如何提高交付效率,并提供了将Function Module转化为"薄包装"的具体实现方案,强调面向对象设计在SAP Gateway和RAP等现代架构中的重要性

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 138

洛谷 B3848 [GESP样题 三级] 逛商场 题解

小明是个不太有计划的孩子。这不,刚到手的零花钱,就全部拿着逛商场去了。 小明的原则很简单,见到想买的物品,只要能买得起,就一定会买下来之后才会继续往前走;如果买不起就直接跳过。 一天下来,小明到底买了多少物品呢? 这道题目的中心思想其实就是判断是否满足现在手上的钱数大于遍历到的物品的钱数 只要会写for循环,那么基本上看完上面这句话就能理解了

mceanjia的博客 485

【ChangeCLIP】Remote sensing change detection with multimodal vision-language representation learning

ChangeCLIP论文及代码使用详解。持续更新变化检测最新论文,欢迎订阅本专栏。

向上生长的程序媛的博客 1339

洛谷官方精选题单解析(持续更新~)

P1320:压缩技术(续集版)P1205:[USACO1.2]方块转换 Transformations。P1090:[NOIP2004提高组]合并果子/[USACO06NOV] Fence Repair G。P1090:[NOIP2004提高组]合并果子/[USACO06NOV] Fence Repair G。P1217:[USACO1.5]回文质数Prime Palindromes。P1217:[USACO1.5]回文质数Prime Palindromes。

人工智能高校教师|程序设计竞赛教练|青少年GESP C++导师 “让代码有温度,让算法会说话”欢迎同行、家长、OIer 一起交流,让每一次 Ctrl+S 都成为点亮未来的火花。 7270

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

GESP 一,二,三级 随机题解 3

na&plus;b&plus;c%3Dn。

Mrchesse的博客 412

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 352

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

把 KV Cache 压到 FP4:BitDecoding-FP4 的算法-系统协同设计复盘

长上下文推理卡在KV Cache的显存与带宽上,而现有FP4方案要么精度崩、要么速度废。这篇文章复盘BitDecoding-FP4如何用三个算法补丁加一个系统重构,在B300上把服务吞吐提升2.4–3.0倍,精度几乎不掉。

helloagent的博客 312

【算法拾光】链表 哈希表|K个一组翻转链表 + 两数之和

K个一组翻转链表需分段反转,借助哑节点与前驱指针维护连接,避免断链;两数之和利用哈希表实现O(1)查找,空间换时间,高效定位目标组合。前者考察链表指针操作,后者聚焦映射关系构建,均为面试高频题。

wuqingyigexiaoba的博客 333

排序算法深度笔记(下):非比较类排序的线性突破与工程边界

排序算法时间复杂度额外空间复杂度稳定性是否基于比较选择排序O(N^2)(O(1))不稳定是冒泡排序O(N^2)(O(1))稳定是插入排序O(N^2)(O(1))稳定是归并排序O(N\log N)(O(N))稳定是快速排序O(N\log N)O(log N)不稳定是堆排序O(N\log N)O(1)不稳定是计数排序(O(N + M))O(M))稳定否基数排序O(N)稳定否桶排序平均O(N) / 最坏O(N^2)

2401_87069538的博客 606

优选算法:分治-归并排序

交易逆序对的总数

Wangshijie1015的博客 148

算法日常・每日刷题--<动态规划>42

本题为“不相交的线”,与最长公共子序列问题相似。使用动态规划求解:定义 dp[i][j] 表示 nums1[0:i] 与 nums2[0:j] 的最大不相交连线数。若元素相等,则继承左上值加1;否则取上方或左方最大值。最终返回 dp[m][n],即两数组的最大不相交连线数。时间复杂度 O(mn),空间复杂度 O(mn)。

2503_92261635的博客 24

408 算法 06|堆与 Top-K:最小的 10 个数,到底该用数组还是堆

2022(42) 找 100 万个数里最小的 10 个,官方给了"10 元素有序数组"和"大根堆"两种答案。我把两种都实现并数了比较次数:k=10 时两者几乎打平,k=10000 时堆少 111 倍。另附 2021(42) 计数排序的比较次数与稳定性实测。

m0_56226131的博客 440

408 算法 04|主元素与三元组最小距离:两种“扫描时做决定“的思路

2013(41) 的主元素用摩尔投票一遍选出候选,但真正的考点是"选完必须验票";2020(41) 的三元组最小距离,三指针每次只挪最小的那个,靠的是 D=2×(max−min) 这个恒等式。两套完整 C 代码加真实输出,附官方评分档位表。

m0_56226131的博客 426

牛客周赛165C题(前后缀性质,递推,排序,枚举)

题目大意:给定长度为 `n` 的数组,选择 `k ∈ [1,n]`,将前 `k` 个元素整体翻转,后面的元素不变。要求操作后的整个数组非递减,统计满足条件的 `k` 的数量。题目链接:https://ac.nowcoder.com/acm/contest/141721/C。时间复杂度:O(nlogn)

2501_94316951的博客 174

算法64,字母异位词分组

代码核心思路是:互为字母异位词的字符串,在对其字符进行排序后,一定会得到相同的字符串。因此,可以将排序后的字符串作为哈希表的键(Key)来进行分组。

sheshibenniaodan的博客 203

【MPC 算法】Python 实战:模型预测控制(MPC)算法原理与代码实现

本文介绍模型预测控制(MPC)原理与Python实现。MPC通过滚动优化预测未来状态,结合系统模型、目标函数与约束条件,动态生成最优控制序列。以一阶温度系统为例,使用CVXPY构建凸优化问题,实现加热功率的智能调控。代码包含模型预测、目标函数设计(含温度跟踪与控制平滑惩罚)、输入约束及滚动更新机制。仿真结果表明,MPC能快速稳定温度至目标值60℃,且控制动作平滑合理,体现其在复杂系统中的优越性。

赖德发的博客 51
下一篇: 洛谷c++B3956 [GESP202403 三级] 字母求和 题解
gansudcx
博客等级 码龄18年 6粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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