【?】【9908】守望者的逃离

本文介绍了一种基于动态规划的算法,用于解决守望者在有限时间内从荒岛逃脱的问题。考虑跑步速度、闪烁法术及魔法恢复速率等因素,通过编程实现最优逃脱路径。

Time Limit: 10 second
Memory Limit: 2 MB

问题描述
恶魔猎手尤迪安野心勃勃,他背叛了暗夜精灵,率领深藏在海底的娜迦族企图叛变。守望者在与尤迪安的交锋中遭遇了围杀,被困在一个荒芜的大岛上。为了杀死守望者,尤迪安开始对这个荒岛施咒,这座岛很快就会沉下去。到那时,岛上的所哟iuren都会遇难。守望者的跑步速度为17m/s,以这样的速度是无法逃离荒岛的。庆幸的是守望者拥有闪烁法术。可在1s内移动60m,不过每次使用闪烁法术都会小号魔法值10点。守望者的魔法值恢复的速度为4点/s,只有处在原地休息状态时才能恢复。
现在已知守望者的魔法初值m,他所在的初值位置与岛的出口之间的距离s,岛沉没的时间t。你的任务是写一个程序帮助守望者计算如何在最短的时间内逃离荒岛,若不能逃出,则输出守望者在剩下的时间内能走的最远距离。注意:守望者跑步、闪烁或休息活动均以秒(s)为单位,且每次活动的持续时间为整数秒。距离的单位为米(m)。

Input

仅一行,包括空格隔开的三个非负整数m,s,t。
Output

第一行为字符串“Yes”或“NO”(区分大小写),即守望者是否能逃离荒岛。 第二行包含一个整数。第一行为“YES”(区分大小写)时表示守望者逃离荒岛的最短时间;第一行为“NO”(区分大小写)时表示守望者能走的最远距离。

Sample Input

39 200 4
Sample Output

No
197
Sample Input1

36 255 10
Sample Output1

Yes
6
30%的数据满足:1≤t≤10,1≤s≤100
50%的数据满足:1≤t≤1000,1≤s≤10000
100%的数据满足:1≤t≤300000,1≤m≤1000,1≤s≤10^8

【题目链接】:http://noi.qz5z.com/viewtask.asp?id=9908

【题解】

动态规划:
设f[i][0]表示i时刻选择用魔法,前i时刻能走多远(如果不能用则增加魔法值)
设f[i][1]表示第i时刻剩余的魔法量;
设f[i][2]表示第i步不用魔法前进,前i时刻能走多远;
转移方程↓

f[i][2] = max(f[i-1][0],f[i-1][2])+17;
if (f[i-1][1] >= 10)
    f[i][0] = f[i-1][0]+60,f[i][1] = f[i-1][1]-10;
else
    f[i][0] = f[i-1][0],f[i][1] = f[i-1][1]+4;


【完整代码】

#include <cstdio>
#include <algorithm>

using namespace std;

const int MAXT = 30e4+10;

int f[MAXT][3];

int m,s,t,tim = 0;

int main()
{
    scanf("%d%d%d",&m,&s,&t);
    f[0][0] = 0;f[0][1] = m;f[0][2] = 0;
    int judge;
    for (int i = 1;i <= t;i++)
    {
        if (f[i-1][1] >= 10)
        {
            f[i][1] = f[i-1][1]-10;
            f[i][0] = f[i-1][0]+60;
        }
        else
        {
            f[i][0] = f[i-1][0];
            f[i][1] = f[i-1][1] + 4;
        }
        f[i][2] = max(f[i-1][0],f[i-1][2])+17;
        judge = max(f[i][0],f[i][2]);
        if (!tim && judge >= s)
            tim = i;
    }
    if (judge >= s)
    {
        puts("Yes");
        printf("%d\n",tim);
    }
    else
    {
        puts("No");
        printf("%d\n",judge);
    }
    return 0;
}

转载于:https://www.cnblogs.com/AWCXV/p/7632059.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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