2019-06-03 校内python模拟题解(所有非原题)
本题改编自USACO(USA Computing Olympiad) 1.1节的第一题
(感谢lsy同学对本题题面的贡献)
直接计算就好了
chr:将ASCII码转成字符
ord:字符对应的ASCII码值
注意:初始化为1,否则会乘0
s1=input()
s2=input()
sum1=1
sum2=1
for i in s1:
sum1*=(ord(i)-ord('A')+1)
sum1%=47//边乘边模
for i in s2:
sum2*=(ord(i)-ord('A')+1)
sum2%=47
if sum1==sum2:
print("HAHA")
else:
print("TOOBAD")
大水题,送分的
s=input()
print(s+"txdy!")
对于每一个数,我们用一个列表来记录它出现的次数
然后我们再看有多少个数出现了3次和两次就行了
s=input()
cnt=[0]*20
for i in s:
cnt[ord(i)-ord('')]+=1
sum3=0
sum2=0
for i in range(0,8):
if cnt[i]==3:
sum3+=1
elif cnt[i]==2:
sum2+=1
if sum3==4 and sum2==1:
print("djqtql!")
else :
print("Fake!")
直接移动即可,注意特判‘z'
s=input()
for i in s:
if i=='z':
print('a',end="")
else :
print(chr(ord(i)+1),end="")
提示:本题有彩蛋
这题我们要用到一个思想——贪心(greedy)
本题我们只需要考虑律师是死是活
大家仔细想想,是不是他挡掉最大一次攻击是最优的呢?
于是这题就出来了:
hp,n,m=map(int,input().split())
a=list(map(int,input().split()))
b=list(map(int,input().split()))
sum=0
tmp=0
for i in b:
sum+=a[i-1]
tmp=max(tmp,a[i-1])
sum-=tmp
if sum<hp:
print("Alive")
else:
print("Dead")
对于OIer(包括前OIer)们,建议你们再看看这题的另外一种做法:dp
设dp[i][0/1]表示第i次攻击律师能承受的最小可能的伤害,其中0表示没有挡过,1表示挡过了
状态转移方程:
dp[i][0]=dp[i-1][0]+a[b[i]]
dp[i][1]=max(dp[i-1][0],dp[i-1][1]+a[b[i]])
(python代码被我Gu掉了,咕咕咕~)
#include<bits/stdc++.h>
using namespace std;
const int maxn=1e5+;
int dp[maxn][];
int a[maxn];
int b[maxn];
int w,n,m;
int main(){
cin>>w>>n>>m;
for(int i=;i<=n;i++) cin>>a[i];
for(int i=;i<=m;i++) cin>>b[i];
dp[][]=dp[][]=w;
for(int i=;i<=m;i++){
dp[i][]=dp[i-][]-a[b[i]];
dp[i][]=max(dp[i-][]-a[b[i]],dp[i-][]);
}
int ans=max(dp[m][],dp[m][]);
if(ans>) printf("Alive\n");
else printf("Dead\n");
return ;
}
2019-06-03 校内python模拟题解(所有非原题)的更多相关文章
- 【字符串大模拟】潜伏者—— NOIP2009原题
洛谷连接 就一道黄题没啥可以说的……就是要细心…… 学到了神奇的优化 ios::sync_with_stdio(false); cin优化,能跑的比scanf快!棒!(不过要开std) 这题真的还挺简 ...
- 001-电脑操作规范-2019年03月.doc
001-电脑操作规范-2019年03月.doc 本文作者:徐晓亮 BoAi 作者腾讯QQ号码:595076941 /////////////////////////////////////// ...
- 【py登陆】python模拟登录
用Python模拟登录网站 前面简单提到了 Python 模拟登录的程序,但是没写清楚,这里再补上一个带注释的 Python 模拟登录的示例程序.简单说一下流程:先用cookielib获取cookie ...
- Tensorflow学习笔记2019.01.03
tensorflow学习笔记: 3.2 Tensorflow中定义数据流图 张量知识矩阵的一个超集. 超集:如果一个集合S2中的每一个元素都在集合S1中,且集合S1中可能包含S2中没有的元素,则集合S ...
- MySQL实验准备(二)--Python模拟数据(MySQL数据库)
Python模拟数据(MySQL数据库) 数据模拟 目的:模拟多个表的插入和查询数据的模拟,再通过基准测试脚本测试服务器性能和收集数据,仿真模拟. 备注: 如果需要基础的python环境,可以查看&l ...
- 2019.11.9 csp-s 考前模拟
2019.11.9 csp-s 考前模拟 是自闭少女lz /lb(泪奔 T1 我可能(呸,一定是唯一一个把这个题写炸了的人 题外话: 我可能是一个面向数据编程选手 作为一个唯一一个写炸T1的人,成功通 ...
- 2019.8.3 [HZOI]NOIP模拟测试12 C. 分组
2019.8.3 [HZOI]NOIP模拟测试12 C. 分组 全场比赛题解:https://pan.baidu.com/s/1eSAMuXk 刚看这题觉得很难,于是数据点分治 k只有1和2两种,分别 ...
- 2019.8.3 [HZOI]NOIP模拟测试12 B. 数颜色
2019.8.3 [HZOI]NOIP模拟测试12 B. 数颜色 全场比赛题解:https://pan.baidu.com/s/1eSAMuXk 数据结构学傻的做法: 对每种颜色开动态开点线段树直接维 ...
- 2019.8.3 [HZOI]NOIP模拟测试12 A. 斐波那契(fibonacci)
2019.8.3 [HZOI]NOIP模拟测试12 A. 斐波那契(fibonacci) 全场比赛题解:https://pan.baidu.com/s/1eSAMuXk 找规律 找两个节点的lca,需 ...
随机推荐
- Java 面向对象_多态
多态图解 代码中体现多态性 父类名称 对象名 = new 子类名称(); or 接口名称 对象名 = new 实现类名称(); // 父类 public class Father { public v ...
- Python中闭包的原理
定义: 如果在一个内部函数里,对在外部作用域(但不是在全局作用域)的变量进行引用,那么内部函数就被认为是闭包(closure). 简单闭包的例子: 下面是一个使用闭包简单的例子,模拟一个计数器,通过将 ...
- 【转】equals和==的区别
==: == 用于比较两个对象的内存地址值(引用值)是否相等,也就是比较的是变量(栈)内存中存放的对象的(堆)内存地址,用来判断两个对象的地址是否相同,即是否是指相同一个对象.比较的是真正意义上的指针 ...
- dede织梦如何去除网站底部的版权信息
dede织梦如何删除版权powered by?在织梦中,特别是在仿站之中,经常会在首页的底部出现powered by,这是dedecms织梦系统底部自带的官方链接power by等字样,很多新用户想去 ...
- element-ui table 默认全选
来自: https://juejin.im/post/5cf24f1ee51d4577583ddc77 侵删 this.deviceTableData = res.body || []; // con ...
- linux USB 编程
Linux USB架构 可以看出一个USB体系需要4个驱动:USB设备驱动(主要编写这部分),USB主控制器驱动,Gadget驱动,UDC驱动. USB主要有4个功能: MassStorage:大容量 ...
- 网络调试助手的使用 调试TCP,UDP
网络调试助手是集TCP/UDP服务端客户端一体的网络调试工具,可以帮助网络应用设计.开发.测试人员检查所开发的网络应用软硬件的数据收发状况,提高开发的速度,是TCP/UDP应用开发助手. 集成TCP/ ...
- 安装xshell、xftp
1.Xshell的软件的下载.安装 xshell是一个终端模拟软件,而且是远程近程都可以. 就是模拟服务器所在的linux,在xshell中可以输入命令, 就像在服务器的linux中输入命令一样.一般 ...
- javascript_07-break 和 continue
break 和 continue break 立刻退出循环 continue 立即退出当前循环,但退出循环后会从循环的顶部继续执行 //求 200-300 之间的所有的偶数的和,用 continue ...
- Computer Vision_33_SIFT:An Improved RANSAC based on the Scale Variation Homogeneity——2016
此部分是计算机视觉部分,主要侧重在底层特征提取,视频分析,跟踪,目标检测和识别方面等方面.对于自己不太熟悉的领域比如摄像机标定和立体视觉,仅仅列出上google上引用次数比较多的文献.有一些刚刚出版的 ...