首页 > 其他分享 >打卡信奥刷题(249)用Scratch图形化工具信奥P9735[普及组][COCI2022-2023#2] Tramvaji

打卡信奥刷题(249)用Scratch图形化工具信奥P9735[普及组][COCI2022-2023#2] Tramvaji

时间:2024-07-06 12:01:59浏览次数:21  
标签:COCI2022 texttt 样例 Josip ti Patrik 打卡 图形化 1000

[COCI2022-2023#2] Tramvaji

题目描述

Patrik 和 Josip 在坐电车。他们共坐了 n n n 站。

除了上车的那一站,其他每一站到站时,都会发生以下事件中的一种:

  • Patrik 说:从上车到现在经过了 t t t 分钟。

  • Josip 说:从第 y y y 站到这里花费了 t t t 分钟。

现在,请你根据这些信息,求出哪两个站之间所需要的时间最短,以及这个时间。

输入格式

输入共 n n n 行:

第一行,一个整数 n n n( 2 ≤ n ≤ 1000 2\le n\le1000 2≤n≤1000),表示车站数量。

接下来 n − 1 n-1 n−1 行,第 i i i 行表示第 i + 1 i+1 i+1 个车站发生的事件:

  • 第一种操作: Patrik   t i \texttt{Patrik } t_i Patrik ti​( 1 ≤ t i ≤ 1 0 9 1\le t_i\le10^9 1≤ti​≤109)

  • 第二种操作: Josip   y i   t i \texttt{Josip } y_i\texttt{ }t_i Josip yi​ ti​( y i < i + 1 y_i < i + 1 yi​<i+1, 1 ≤ t i ≤ 1 0 9 1\le t_i\le10^9 1≤ti​≤109)

每个车站都处在不同的位置。

输出格式

一行,三个整数 t t t, x 1 x_1 x1​, x 2 x_2 x2​,表示最短时间,以及花费最短时间的起点和终点。

如果有多组解,输出字典序最小的那一组。

样例 #1

样例输入 #1

4
Patrik 3
Patrik 5
Josip 1 7

样例输出 #1

2 2 3

样例 #2

样例输入 #2

2
Josip 1 5

样例输出 #2

5 1 2

样例 #3

样例输入 #3

5
Patrik 4
Josip 2 4
Josip 2 6
Josip 4 2

样例输出 #3

2 3 4

提示

本题采用捆绑测试。

Subtask \text{Subtask} Subtask分数特殊性质
1 1 1 12 12 12 t i ≤ 1000 t_i \le 1000 ti​≤1000
2 2 2 13 13 13只有 Patrik \texttt{Patrik} Patrik 事件
3 3 3 25 25 25

本题满分 50 50 50 分。

Scratch实现

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-3o59eIh3-1720224935686)(https://i-blog.csdnimg.cn/direct/c144654400ba4cdab4b40752caeae113.png)]

后续

接下来我会不断用scratch来实现信奥比赛中的算法题、Scratch考级编程题实现、白名单赛事考题实现,感兴趣的请关注,我后续将继续分享相关内容

标签:COCI2022,texttt,样例,Josip,ti,Patrik,打卡,图形化,1000
From: https://blog.csdn.net/rogeliu/article/details/140207414

相关文章

  • 昇思25天学习打卡营第16天|ShuffleNet图像分类
    ShuffleNet网络介绍        ShuffleNetV1是由旷视科技提出的一种高效计算的卷积神经网络(CNN)模型,主要用于移动设备。与MobileNet和SqueezeNet类似,ShuffleNetV1的设计目标是利用有限的计算资源达到最佳模型精度。其核心设计是引入了PointwiseGroupConvolution和Channe......
  • 昇思25天学习打卡营第14天|基于MindSpore的红酒分类实验
    AI是在帮助开发者还是取代他们?在软件开发领域,生成式人工智能(AIGC)正在改变开发者的工作方式。无论是代码生成、错误检测还是自动化测试,AI工具正在成为开发者的得力助手。然而,这也引发了对开发者职业前景和技能需求变化的讨论。AI究竟是在帮助开发者还是取代他们?我的观点是,正......
  • 《昇思25天学习打卡营第7天 | 模型训练》
    《昇思25天学习打卡营第7天|模型训练》目录《昇思25天学习打卡营第7天|模型训练》模型训练的步骤构建数据集定义神经网络模型定义超参、损失函数和优化器超参损失函数优化器训练与评估模型训练的步骤模型训练一般分为四个步骤:构建数据集。定义神经网络模型。......
  • 昇思25天学习打卡营第8天|使用静态图加速
            神经网络编译框架分为两种运行模式,分别是动态图模式以及静态图模式。MindSpore默认情况下是以动态图模式运行,但也支持手工切换为静态图模式。动态图模式:        该模式类似Python的解释执行方式,一边编译一遍执行。在计算图中定义一个Tensor时,其值就......
  • Ubuntu-Shell图形化工具-zenity
    Ubuntu-Shell图形化工具脚本中加入更多的图形元素。KDE和GNOME桌面环境都扩展了dialog命令,包含了可以在各自环境下生成XWindow图形化部件的命令。kdialog和zenity包,它们各自为KDE和GNOME桌面提供了图形化窗口部件1.查看内核版本命令:cat/proc/version uname......
  • 代码训练营 DAY4打卡
      本文由GarfieldTheOldCat原创,转载请标明dekkyandlappy-CSDN博客今天学习了链表的第二课时,链表基础内容在代码训练营DAY3打卡 本文由GarfieldTheOldCat原创,转载请标明两两交换链表中的节点这道题目的第一个难点在于对题目意思的理解,什么是两两交换?举个例子:【A,B,C,D】......
  • 昇思25天学习打卡营第10天|xkd007|计算机视觉应用实践(1)-FCN(全卷积网络)图像语义分割
    FCN图像语义分割全卷积网络(FullyConvolutionalNetworks,FCN)是UCBerkeley的JonathanLong等人于2015年在FullyConvolutionalNetworksforSemanticSegmentation(点击可下载此论文)一文中提出的用于图像语义分割的一种框架。FCN是首个端到端(endtoend)进行像素级(pixellevel......
  • 昇思25天学习打卡营第8天|模型权重与 MindIR 的保存加载
    目录导入Python库和模块创建神经网络模型保存和加载模型权重保存和加载MindIR导入Python库和模块        上一章节着重阐述了怎样对超参数予以调整,以及如何开展网络模型的训练工作。在网络模型训练的整个进程当中,事实上我们满怀期望能够留存中间阶段以及最......
  • Spring Boot 中 PGSQL 判断打卡点是否经过轨迹优化代码,循环查询物理表修改生成临时表,
    记录一下一个业务问题,流程是这样的,我现在有一个定时任务,5分钟执行一次,更新车辆打卡的情况。现在有20俩车,每辆车都分配了路线,每条路线都有打卡点,每个打卡点分配了不同的时间段,也就是说,一条路线可能有几百个打卡点,这几百个打卡点中每一个都分配了时间段,有可能是1个时间段,比如8......
  • 【打卡】003 p3 Pytorch实现天气识别
    打卡~555我的环境:●语言环境:Python ●编译器:jupyternotebook●深度学习环境:Pytorch>-**......