算法题--华为od机试考试(执行时长、找数字、数据最节约的备份方法)

2024-05-25 12:12

本文主要是介绍算法题--华为od机试考试(执行时长、找数字、数据最节约的备份方法),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

执行时长

题目描述

输入描述

输出描述

示例1

输入

输出

说明

示例2

输入

输出

说明

解析

找数字

题目描述

输入描述

输出描述

示例1

输入

输出

示例2

输入

输出

示例3

输入

输出

解析

数据最节约的备份方法

题目描述

输入描述

输出描述

备注

示例1

输入

输出

示例2

输入

输出

解析


执行时长

考察理解能力

题目描述

为了充分发挥GPU算力,需要尽可能多的将任务交给GPU执行,现在有一个任务数组,数组元素表示在这1秒内新增的任务个数且每秒都有新增任务,

假设GPU最多一次执行n个任务,一次执行耗时1秒,在保证GPU不空闲情况下,最少需要多长时间执行完成

输入描述

第一个参数为GPU一次最多执行的任务个数,取值范围[1,10000]

第二个参数为任务数组长度,取值范围[1,10000]

第三个参数为任务数组,数字范围[1,10000]

输出描述

执行完所有任务最少要要多少秒

示例1

输入

3

5

1 2 3 4 5

输出

6

说明

 一次最多执行3个任务,最少耗时6s。

示例2

输入

4

5

5 4 1 1 1

输出

5

说明

一次最多执行4个任务,最少耗时5s

解析

按顺序执行,每次用最多执行的任务个数减去当前的任务个数和上次剩余的个数,如果有剩余的任务未执行就留到下一次,

如果没有则下一次剩余的任务为0,最后剩下的任务直接除以最多执行的任务个数向上取整。

function executeTime(n, len, arr) {let tmp = 0for (let i = 0; i < len; i++) {if (n > arr[i]) {tmp = (tmp - n + arr[i]) < 0 ? 0 : (tmp - n + arr[i])} else {tmp = tmp + arr[i] - n}}return len + Math.ceil(tmp / n)}console.log(executeTime(3, 5, [1, 2, 3, 4, 5]))console.log(executeTime(4, 5, [5, 4, 1, 1, 1]))

找数字

考察二进制和十进制的转换

题目描述

小扇和小船今天又玩起来了数字游戏,

小船给小扇一个正整数 n(1 ≤ n ≤ 1e9),小扇需要找到一个比 n 大的数字 m,使得 m 和 n 对应的二进制中 1 的个数要相同,如:

4对应二进制100

8对应二进制1000

其中1的个数都为1个

现在求 m 的最小值。

输入描述

输入一个正整数 n(1 ≤ n ≤ 1e9)

输出描述

输出一个正整数 m

示例1

输入

128

输出

256

示例2

输入

6

输出

9

示例3

输入

5

输出

6

解析

将n转换为二进制,如果是所有的1在左边,0在右边,则需要进一位,例如111100 => 1000111。全为1也同样需要进一位。

其它情况从右到左,把第一个01交换顺序即可,例如1001 => 1010。最后将结果转为十进制的数字。

function getMin(n) {let arr = n.toString(2).split('').map(Number)for (let i = arr.length - 2; i > 0; i--) {if (arr[i] === 0 && arr[i + 1] === 1) {arr[i + 1] = 0arr[i] = 1return parseInt(arr.join(''), 2)}}arr = arr.sort((a, b) => a - b)arr[arr.indexOf(1)] = 0arr.unshift(1)return parseInt(arr.join(''), 2)
}
console.log(getMin(128))
console.log(getMin(6))
console.log(getMin(5))

数据最节约的备份方法

考察二分法、深度遍历、递归

题目描述

有若干个文件,使用刻录光盘的方式进行备份,假设每张光盘的容量是500MB,求使用光盘最小的

文件分布方式所有文件的大小都是整数的MB,且不超过500MB;文件不能分隔、分卷打包

输入描述

组文件大小的数据

输出描述

使用光盘的数量

备注

不用考虑输入数据不合法的情况;假设最多100个输入文件

示例1

输入

100,500,300,200,400

输出

3

示例2

输入

1,100,200,300

输出

2

解析

这里我们采用二分法确定最小使用光盘的数量。例如示例1有5组文件,这里我们先确认3个光盘是否可以装下,用深度遍历去分析,如果可以的话,再确认(1+3)/2=2个光盘

是否可以装下,不行的话,返回最小为3,可以的话继续上述操作。

这里关键在于dfs函数函数实现:

1.确定入参,1>当前所有光盘容量、2>组文件、3>当前需要装的序号。这里2、3是用来表示剩余的未装光盘数据,可以用一个数组表示,不过需要一直改变数组的长度大小。

2.确定f(x)和f(x-1)的关系。f(x)=f(x-1)0 || f(x-1)1 || ...。

当前这一次等于将x的数据依次放入所有光盘中取或,f(x-1)0表示把x的数据放入0号光盘中,只有有一组可以返回true即表示当前的光盘数量可以装下所有数据。

3.确定出口和剪枝,

    1>光盘容量+当前需要放下的数据小于等于500才能放入

    2>当放入的序号等于组文件数量是表示已全部放入,返回true

    3>当前的光盘和上一个光盘容量大小一样,故装入该光盘中和装入上一个光盘中无区别,可以跳过

    4>下一次循环前需还原光盘容量

function minCopy(str) {let arr = str.split(',').map(Number).sort((a, b) => b - a)let l = 1;let r = arr.length;let ans = r;// 二分模板while (l <= r) {const mid = Math.floor((l + r) / 2);if (check(mid, arr)) {ans = mid;r = mid - 1;} else {l = mid + 1;}}return ans;
}
// 返回bucket.length个光盘是否可以装下,bucket为光盘,num为未装的组文件,index为当前需要装的组文件序号
function dfs(buckets, nums, index) {// 所有组文件都已装入光盘中if (index === nums.length) {return true;}// 将序号为index的组文件依次递归放入bucket中for (let i = 0; i < buckets.length; i++) {// 剪枝,当前的光盘和上一个光盘容量大小一样,故装入该光盘中和装入上一个光盘中无区别,可以跳过if (i !== 0 && buckets[i] === buckets[i - 1]) {continue;}// 该光盘可以装下此组文件if (buckets[i] + nums[index] <= 500) {buckets[i] += nums[index]; //回溯// 找到结果后不再往下递归if (dfs(buckets, nums, index + 1)) {return true;}// 下一次循环前还原光盘容量buckets[i] -= nums[index];}}return false;
}// 返回是否能使用count个光盘备份数据
function check(count, nums) {const buckets = new Array(count).fill(0);return dfs(buckets, nums, 0);}
console.log(minCopy('100,500,300,200,400'))
console.log(minCopy('1,100,200,300'))

这篇关于算法题--华为od机试考试(执行时长、找数字、数据最节约的备份方法)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1001466

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

从去中心化到智能化:Web3如何与AI共同塑造数字生态

在数字时代的演进中,Web3和人工智能(AI)正成为塑造未来互联网的两大核心力量。Web3的去中心化理念与AI的智能化技术,正相互交织,共同推动数字生态的变革。本文将探讨Web3与AI的融合如何改变数字世界,并展望这一新兴组合如何重塑我们的在线体验。 Web3的去中心化愿景 Web3代表了互联网的第三代发展,它基于去中心化的区块链技术,旨在创建一个开放、透明且用户主导的数字生态。不同于传统

康拓展开(hash算法中会用到)

康拓展开是一个全排列到一个自然数的双射(也就是某个全排列与某个自然数一一对应) 公式: X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[i]*(i-1)!+...+a[1]*0! 其中,a[i]为整数,并且0<=a[i]<i,1<=i<=n。(a[i]在不同应用中的含义不同); 典型应用: 计算当前排列在所有由小到大全排列中的顺序,也就是说求当前排列是第

csu 1446 Problem J Modified LCS (扩展欧几里得算法的简单应用)

这是一道扩展欧几里得算法的简单应用题,这题是在湖南多校训练赛中队友ac的一道题,在比赛之后请教了队友,然后自己把它a掉 这也是自己独自做扩展欧几里得算法的题目 题意:把题意转变下就变成了:求d1*x - d2*y = f2 - f1的解,很明显用exgcd来解 下面介绍一下exgcd的一些知识点:求ax + by = c的解 一、首先求ax + by = gcd(a,b)的解 这个