pogodak 骰子

本文介绍了Pogodak骰子问题,该问题涉及在R行C列的网格中滚动骰子并记录每个位置上的数字之和。通过四种滚动操作模拟骰子的移动,并给出了解题思路和代码实现,最终解决样例和实际问题。
部署运行你感兴趣的模型镜像

先上题目

题目描述

给出一个RC列的空白表格,在表格的左上方第一个格子处放了一枚骰子。骰子有六个面,分别有123456这六个数字,其中,相反两面的数和为7.骰子初始的时候是这样放置的,上面为1,右侧那一面为3。现在将骰子进行下面4种操作:

1.往右滚动,直到达到最后一列。

2.往下滚动,达到下一行

3.往左滚动,直到达到第一列。

4.往下滚动,到达到下一行。

现在你按照上面的4种操作,依次进行,直到将所有格子都走一遍。每走到一个格子上,将骰子最上方那面的数字记下来。最后,求出所有记下来的数字之和。

输入

输入:

两个整数R,C.(R,C均为小于100000的正整数)

输出

输出:

所有数字之和。

50%的数据,R,C均小于100.

样例输入

3 2

样例输出

19


今天,在一次比赛中看见了这道题。最开始拿到题,我就想到去打表(⊙﹏⊙b汗),后来发现这太不科学了,一定是有归律可循的,但想不出来,后来和某某交谈后才恍然大悟,写出了这道题,可过样例后,在OJ 2214上仍然没过,不对。后来发现要开long long int,之后顺利通过。

这道题其实实质上是一道模拟的问题,通过把列数压缩到4以内在进行模拟就是正解。

这道题我用了三个整形保存上,前,下三面的值,不断滚动骰子,最后得出结论。

代码

#include<cstdio> 
using namespace std; 
long long r,c,ans;//分别表示输入的r行c列及答案
int main()
{
    scanf("%lld%lld",&r,&c);
    bool dir=true;//标记是向左还是向右
    int up=1,front=2,right=3;//表示骰子上方前面和右边
    int u;//用于临时保存原来的值
    for (int i=1; i<=r; ++i)
    {
        if(dir)//从左往右
        {
            ans+=c/4*14;
            for(int j=c/4*4+1; j<=c; ++j)
            {
                ans+=up;
                u=up;
                if(j<c)up=7-right,right=u;//如果没到最后一个,最上面就变成左边的。
                else up=7-front,front=u;//向下一个
            }
            dir=!dir;
        }
        else{//同上,只是滚动骰子的方法有小变化,从右到左的方向滚动。
            ans+=c/4*14; 
            for(int j=c-c/4*4; j>=1; --j) 
            { 
                ans+=up;
                u=up; 
                if (j>1) up = right, right = 7-u; 
                else up = 7-front, front = u; 
            } 
            dir = !dir; 
        } 
    } 
    printf("%lld",ans);
}


您可能感兴趣的与本文相关的镜像

ACE-Step

ACE-Step

音乐合成
ACE-Step

ACE-Step是由中国团队阶跃星辰(StepFun)与ACE Studio联手打造的开源音乐生成模型。 它拥有3.5B参数量,支持快速高质量生成、强可控性和易于拓展的特点。 最厉害的是,它可以生成多种语言的歌曲,包括但不限于中文、英文、日文等19种语言

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
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