作物杂交---蓝桥杯练习

该博客介绍了一种使用深度搜索算法解决作物杂交优化问题的方法。在给定作物种类、初始种子、可杂交组合及目标种子的情况下,求得得到目标种子的最短时间。通过逆向搜索杂交路径,最终得出所需天数。示例展示了具体实现过程和输出结果。

典型的深度搜索问题

题目描述

作物杂交是作物栽培中重要的一步。已知有 N 种作物 (编号 1 至 N ),第 i 种作物从播种到成熟的时间为 Ti。作物之间两两可以进行杂交,杂交时间取两种中时间较长的一方。如作物 A 种植时间为 5 天,作物 B 种植时间为 7 天,则 AB 杂交花费的时间为 7 天。作物杂交会产生固定的作物,新产生的作物仍然属于 NN 种作物中的一种。

初始时,拥有其中 M 种作物的种子 (数量无限,可以支持多次杂交)。同时可以进行多个杂交过程。求问对于给定的目标种子,最少需要多少天能够得到。

如存在 4 种作物 ABCD,各自的成熟时间为 5 天、7 天、3 天、8 天。初始拥有 AB 两种作物的种子,目标种子为 D,已知杂交情况为 A × B → C,A × C → D。则最短的杂交过程为:

第 1 天到第 7 天 (作物 B 的时间),A × B → C。

第 8 天到第 12 天 (作物 A 的时间),A × C → D。

花费 12 天得到作物 D 的种子。

输入描述
输入的第 1 行包含 4 个整数 N, M, K, T,N 表示作物种类总数 (编号 1 至 N),M 表示初始拥有的作物种子类型数量,K 表示可以杂交的方案数,T 表示目标种子的编号。

第 2 行包含 N 个整数,其中第 i 个整数表示第i 种作物的种植时间(1≤Ti ≤100)。

第 3 行包含 M 个整数,分别表示已拥有的种子类型(1≤Kj ≤M),两两不同。

第 4 至 K + 3 行,每行包含 3 个整数 A, B,C表示第 A 类作物和第 B 类作物杂交可以获得第 C 类作物的种子。

其中,1≤N≤2000,2≤M≤N,1≤K≤10 ,1≤T≤N, 保证目标种子一定可以通过杂交得到。

思路

根据目标种子,逆向搜索杂交等式,最后输出最大用时即可

在这里插入图片描述
输出描述
输出一个整数,表示得到目标种子的最短杂交时间。

输入输出样例
示例
输入

	6 2 4 6
	5 3 4 6 4 9
	1 2
	1 2 3
	1 3 4
	2 3 5
	4 5 6

输出

	16

样例说明

	第 1 天至第 5 天,将编号 1 与编号 2 的作物杂交,得到编号 3 的作物种子。
	
	第 6 天至第 10 天,将编号 1 与编号 3 的作物杂交,得到编号 4 的作物种子。
	
	第 6 天至第 9 天,将编号 2 与编号 3 的作物杂交,得到编号 5 的作物种子。
	
	第 11 天至第 16 天,将编号 4 与编号 5 的作物杂交,得到编号 6 的作物种子。
	
	总共花费 16 天。

代码

import os
import sys

# 请在此输入您的代码
s1 = list(map(int, input().split()))
N = s1[0]
M = s1[1]
K = s1[2]
T = s1[3]

Days = list(map(int, input().split()))

seeds = list(map(int, input().split()))

hybrids = []

for i in range(K):
    hybrids.append(list(map(int, input().split())))

times =[]
timess=0
make = []
number=0

def find(T,flag):
    global hybrids, make, seeds,Days,times,timess,number
    for i in range(len(hybrids)):
        if hybrids[i][2] == T:
            s = []
            s.append(hybrids[i][0])
            s.append(hybrids[i][1])
            make.append(s)
            print(s, timess, max(Days[hybrids[i][0] - 1], Days[hybrids[i][1] - 1]))
            temp=timess
            timess+=max(Days[hybrids[i][0]-1],Days[hybrids[i][1]-1])
            if hybrids[i][0] in seeds and hybrids[i][1] in seeds:
              times.append(timess)
            if hybrids[i][1] not in seeds:
                find(hybrids[i][1],0)
                if flag!=1:
                  timess=temp
            if hybrids[i][0] not in seeds:
                find(hybrids[i][0],0)
                if flag!=1:
                  timess =temp




find(T,1)
print(max(times))

编码不易,有帮助的话点个赞支持一下吧~~~

### 蓝桥杯中与作物杂交相关的编程问题及解法 在蓝桥杯竞赛中,“作物杂交”类问题是典型的组合优化或动态规划问题,通常涉及基因遗传规律、最优配对方案的选择以及最大收益计算等内容。以下是对此类问题的分析和解决方法。 #### 1. 题目背景概述 此类题目可能描述如下场景:给定若干种作物及其对应的属性(如产量、抗病性等),通过设计合理的杂交方式,在有限代数内获得目标特性最强的后代。这类问题的核心在于如何合理安排杂交代数和亲本选择顺序以达到最佳效果[^1]。 #### 2. 动态规划建模 对于多阶段决策过程中的最优化问题,可以考虑使用动态规划来求解。假设我们需要经过 \(k\) 次杂交操作得到最终产物,则定义状态转移方程为: \[ dp[i][j] = \max(dp[i-1][p] + gain(p,j)) \] 其中: - \(i\) 表示当前处于第几代; - \(j\) 是当前这一代所选品种编号; - \(gain(p, j)\) 记录由父辈 \(p\) 杂交至子代 \(j\) 的增益值; 初始条件设置为第一代表现型已知的情况,即直接赋初值于数组首列即可完成初始化工作。 ```python def crop_hybridization(gain_matrix, generations): """ :param gain_matrix: List[List[int]], 基因增益矩阵 :param generations: int, 总共允许的最大杂交代数 :return: int, 可能取得的最大总增益 """ num_crops = len(gain_matrix) # 初始化 DP 数组 dp = [[0]*num_crops for _ in range(generations+1)] # 设置基础情况 (第一代) for j in range(num_crops): dp[1][j] = gain_matrix[0][j] # 进行动态规划迭代 for gen in range(2, generations+1): for curr_crop in range(num_crops): max_prev_gain = 0 for prev_crop in range(num_crops): candidate = dp[gen-1][prev_crop] + gain_matrix[prev_crop][curr_crop] if candidate > max_prev_gain: max_prev_gain = candidate dp[gen][curr_crop] = max_prev_gain return max(max_row for max_row in dp[-1]) ``` 上述代码片段实现了基于二维列表形式存储的状态表更新逻辑,并返回全局最高得分作为结果输出。 #### 3. 状态压缩技巧应用 当面对较大规模输入数据时,常规DP可能会面临内存超限的风险。此时可引入状态压缩技术减少冗余记录量。例如仅保留上一代的结果而非全部历史信息,从而将空间需求降至线性级别\(O(n)\)。 --- ####
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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