Codeforces Round 784

Portal.

A. Division?

Portal.

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

int main()
{
	int t;cin>>t;
	while(t--)
	{
		int x;cin>>x;
		if(x<1400) cout<<"Division 4"<<endl;
		else if(x<1600) cout<<"Division 3"<<endl;
		else if(x<1900) cout<<"Division 2"<<endl;
		else cout<<"Division 1"<<endl;
	}
	return 0;
} 

B. Triple

Portal.

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

const int maxn=2e5+5;
int cnt[maxn],a[maxn];

void solve()
{
    int n;cin>>n;
    for(int i=1;i<=n;i++) cin>>a[i],cnt[i]=0;
    for(int i=1;i<=n;i++) cnt[a[i]]++;
    for(int i=1;i<=n;i++) if(cnt[i]>=3) return cout<<i<<'\n',void();
    cout<<"-1"<<'\n';
}

int main()
{
    ios::sync_with_stdio(false);cin.tie(0);cout.tie(0);
    int t;cin>>t;
    while(t--) solve();
    return 0;
}

C. Odd/Even Increments

Portal.

若开始时下标为奇数 / 偶数的元素奇偶性不同,则不存在可能的操作。否则存在。

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

int a[55];

void solve()
{
    int n;cin>>n;
    bool flag=1;
    for(int i=1;i<=n;i++)
    {
        cin>>a[i];
        if(i%2){if((a[i]%2)!=(a[1]%2)) flag=0;}
        else{if((a[i]%2)!=(a[2]%2)) flag=0;}
    }
    if(!flag) cout<<"NO"<<endl;
    else cout<<"YES"<<endl;
}

int main()
{
    int t;cin>>t;
    while(t--) solve();
    return 0;
}

E. 2-Letter Strings

输入时记录每个字符组的出现次数,统计和该字符组一个字符相同一个字符不同的字符组数量累加。

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

int cnt[30][30];

void solve()
{
    int n;cin>>n;
    memset(cnt,0,sizeof cnt);
    int ans=0;
    for(int i=1;i<=n;i++)
    {
        char a,b;cin>>a>>b;
        cnt[a-'a'][b-'a']++;
        for(int j=0;j<11;j++)
        {
            if(cnt[a-'a'][j]&&j!=b-'a') ans+=cnt[a-'a'][j];
            if(cnt[j][b-'a']&&j!=a-'a') ans+=cnt[j][b-'a'];
        }
    }
    cout<<ans<<'\n';
}

signed main()
{
    int t;cin>>t;
    while(t--) solve();
    return 0;
}

H. Maximal AND

Portal.

sol.

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人三维路径规划项目,利用Python实现了在复杂三维环境中为无人规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人、智能器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理制,宜在仿真环境中测不同场景以深入理解算法行为与系统鲁棒性。
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