[笔试训练](二十三)067:打怪068:字符串分类069:城市群数量

本文主要是介绍[笔试训练](二十三)067:打怪068:字符串分类069:城市群数量,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

067:打怪

068:字符串分类

069:城市群数量


067:打怪

题目链接:打怪 (nowcoder.com)

题目:

题解:

直接计算结果:

1.一只怪物能抗几次攻击 int m=(H/a)+(H%a==0?0:1);

2.杀死一只怪物,玩家要抗几次攻击 int n=m-1;

*3.杀死一只怪物,玩家掉多少血 int x=n*A;

4.玩家能杀死多少怪物 int ret=h/x-(h%x==0?1:0); 

#include<iostream>
using namespace std;
int t,h,a,H,A;
int main()
{cin>>t;while(t--){cin>>h>>a>>H>>A;if(A==0 || a>=H) {cout<<-1<<endl;}else{int m=(H/a)+(H%a==0?0:1);int n=m-1;int x=n*A;int ret=h/x-(h%x==0?1:0);cout<<ret<<endl;}}return 0;
}

068:字符串分类

题目链接:字符串分类_牛客笔试题_牛客网 (nowcoder.com)

题目:

题解:

1.将字符串进行排序

2.每个字符串依次存入去重容器 unordered_set 中

3.容器中的元素个数即为字符串的种类数

#include <iostream>
#include<string>
#include<algorithm>
#include<unordered_set>
using namespace std;
int N=0,ret=0;
string s;
unordered_set<string> hashSet;
int main() 
{cin>>N;while(N--){cin>>s;sort(s.begin(),s.end());hashSet.insert(s);}cout<<hashSet.size()<<endl;return 0;
}

069:城市群数量

题目链接:城市群数量_牛客题霸_牛客网 (nowcoder.com)

题目:

题解:

深度优先搜索:

1.将每个没有标记过的城市 i 进行一次dfs。

2.dfs中遍历每个城市 j ,当在矩阵m中有m[i][j]=1(即有相连关系时),则继续dfs向深搜索。

3.dfs的同时将搜索过的城市用bool数组vis标记下。

class Solution {
public:bool vis[210]={0};int citys(vector<vector<int> >& m) {int n=m.size();int ret=0;for(int i=0;i<n;i++){if(!vis[i]){ret++;dfs(m,i);}}return ret;}void dfs(vector<vector<int>>& m,int pos){vis[pos]=true;for(int i=0;i<m.size();i++){if(!vis[i] && m[pos][i]){dfs(m,i);}}}};

这篇关于[笔试训练](二十三)067:打怪068:字符串分类069:城市群数量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/992837

相关文章

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

认识、理解、分类——acm之搜索

普通搜索方法有两种:1、广度优先搜索;2、深度优先搜索; 更多搜索方法: 3、双向广度优先搜索; 4、启发式搜索(包括A*算法等); 搜索通常会用到的知识点:状态压缩(位压缩,利用hash思想压缩)。

C#实战|大乐透选号器[6]:实现实时显示已选择的红蓝球数量

哈喽,你好啊,我是雷工。 关于大乐透选号器在前面已经记录了5篇笔记,这是第6篇; 接下来实现实时显示当前选中红球数量,蓝球数量; 以下为练习笔记。 01 效果演示 当选择和取消选择红球或蓝球时,在对应的位置显示实时已选择的红球、蓝球的数量; 02 标签名称 分别设置Label标签名称为:lblRedCount、lblBlueCount

MiniGPT-3D, 首个高效的3D点云大语言模型,仅需一张RTX3090显卡,训练一天时间,已开源

项目主页:https://tangyuan96.github.io/minigpt_3d_project_page/ 代码:https://github.com/TangYuan96/MiniGPT-3D 论文:https://arxiv.org/pdf/2405.01413 MiniGPT-3D在多个任务上取得了SoTA,被ACM MM2024接收,只拥有47.8M的可训练参数,在一张RTX

每日一题|牛客竞赛|四舍五入|字符串+贪心+模拟

每日一题|四舍五入 四舍五入 心有猛虎,细嗅蔷薇。你好朋友,这里是锅巴的C\C++学习笔记,常言道,不积跬步无以至千里,希望有朝一日我们积累的滴水可以击穿顽石。 四舍五入 题目: 牛牛发明了一种新的四舍五入应用于整数,对个位四舍五入,规则如下 12345->12350 12399->12400 输入描述: 输入一个整数n(0<=n<=109 ) 输出描述: 输出一个整数

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering)

Spark MLlib模型训练—聚类算法 PIC(Power Iteration Clustering) Power Iteration Clustering (PIC) 是一种基于图的聚类算法,用于在大规模数据集上进行高效的社区检测。PIC 算法的核心思想是通过迭代图的幂运算来发现数据中的潜在簇。该算法适用于处理大规模图数据,特别是在社交网络分析、推荐系统和生物信息学等领域具有广泛应用。Spa

SigLIP——采用sigmoid损失的图文预训练方式

SigLIP——采用sigmoid损失的图文预训练方式 FesianXu 20240825 at Wechat Search Team 前言 CLIP中的infoNCE损失是一种对比性损失,在SigLIP这个工作中,作者提出采用非对比性的sigmoid损失,能够更高效地进行图文预训练,本文进行介绍。如有谬误请见谅并联系指出,本文遵守CC 4.0 BY-SA版权协议,转载请联系作者并注

【秋招笔试】9.07米哈游秋招改编题-三语言题解

🍭 大家好这里是 春秋招笔试突围,一起备战大厂笔试 💻 ACM金牌团队🏅️ | 多次AK大厂笔试 | 大厂实习经历 ✨ 本系列打算持续跟新 春秋招笔试题 👏 感谢大家的订阅➕ 和 喜欢💗 和 手里的小花花🌸 ✨ 笔试合集传送们 -> 🧷春秋招笔试合集 🍒 本专栏已收集 100+ 套笔试题,笔试真题 会在第一时间跟新 🍄 题面描述等均已改编,如果和你笔试题看到的题面描述

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录

Detectorn2预训练模型复现:数据准备、训练命令、日志分析与输出目录 在深度学习项目中,目标检测是一项重要的任务。本文将详细介绍如何使用Detectron2进行目标检测模型的复现训练,涵盖训练数据准备、训练命令、训练日志分析、训练指标以及训练输出目录的各个文件及其作用。特别地,我们将演示在训练过程中出现中断后,如何使用 resume 功能继续训练,并将我们复现的模型与Model Zoo中的

C和指针:字符串

字符串、字符和字节 字符串基础 字符串就是一串零个或多个字符,并且以一个位模式为全0的NUL字节结尾。 字符串长度就是字符串中字符数。 size_t strlen( char const *string ); string为指针常量(const修饰string),指向的string是常量不能修改。size_t是无符号数,定义在stddef.h。 #include <stddef.h>