(每日一练28839)题目名称:放货物

文盲老顾
新星创作者: 信息安全技术领域
领域专家: 数据库技术领域
2023-05-30 08:51:25

小明是一名快递员,他现在手上一共有N个快件需要运送。但是货车有限,所以我们希望用最少的货车来进行工作。现在已知,一辆车的限定额度为最多放置K件货物。此外,小明很不喜欢13这个数字,所以他不希望任何一辆货车中的货物数量为13。 现在小明想要知道,最少使用多少辆货车能够将这N个快件都放置到货车上。

因为存在多组输入,每次输入两个数据,所以需要自行捕捉输入多少次,不过 python 可以直接一次性接收所有输入,嗯,这就很舒服了

import sys
lines = sys.stdin.readlines()
for row in lines:
    n,k = map(int,row.split())
    ans = n // (k if k != 13 else 12)
    less = n % (k if k != 13 else 12)
    ans += 0 if less ==0 else (1 if less != 13 else 2)
    print(ans)
...全文
292 5 打赏 收藏 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
文盲老顾 2023-06-26
  • 打赏
  • 举报
回复

因为 js 没有像 py 一样的,可以将所有输入一次性接收的方法,所以,用死循环来进行输入,到没有输入时用异常跳出

while (1){
    try {
        arr = readline().split(' ').map(x => parseInt(x))
        n = arr[0],k = arr[1]
        ans = Math.floor(n / (k != 13 ? k : 12))
        less = n % (k != 13 ? k : 12)
        ans += less == 0 ? 0 : (less != 13 || less > 14 ? 1 : 2)
        print(ans)
    }
    catch(e){
        break
    }
}
yyfhz 2023-05-30
  • 打赏
  • 举报
回复 1

LZ的思路应该是先判定每一个货车可以装多少货(如果最多装13件,那装到第12件就开始换车),
然后看剩下不成车的有多少件。
如果一件不多,那ans直接就是结果。
如果<>13件,那就加一个车送走
如果恰好是13件,那就再拆一下,结果得加2个车。

但是应该有一个Bug,就是当K>14的时候,如果最后一个车子恰好有13个货物,则可以从倒数第二个货车挪一个过来,这样两台货车都可以避免13这个数字。
程序中好像没有考虑到这一点。

文盲老顾 2023-05-30
  • 举报
回复
@yyfhz c站题目没那么多用例,覆盖不到各种情况,所以,每日一练前缀题目,仅用来搞c站用例
文盲老顾 2023-05-30
  • 举报
回复
@yyfhz 对于你说的情况的确存在,但有时考虑太全,反而无法ac,c站用例就这么**蛋
文盲老顾 2023-05-30
  • 举报
回复
@yyfhz 拉用例看了一遍,余13,且k&gt;14的情况,用例中一个都没有
内容概要:本文介绍了基于Matlab代码实现的电力系统机组组合优化调度方法,适用于IEEE14、IEEE30和IEEE118节点标准测试系统。该资源聚焦于电力系统中发电机组的优化调度问题,通过智能优化算法实现对机组启停、出力分配等决策的最优化,旨在降低运行成本、提升系统可靠性和经济性。文中系统阐述了从数学模型构建、多类型约束处理到优化算法设计与仿真实验验证的完整研究流程,并提供了可复现的Matlab代码,涵盖目标函数设定、约束条件建模及算法求解过程,适用于电力系统调度、能源优化等相关领域的科研与教学实践。; 适合人群:具备电力系统分析、运筹学基础及Matlab编程能力的高校学生、科研人员和工程技术人员,尤其适合从事电力系统优化、智能算法应用研究的研究生与青年学者。; 使用场景及目标:①用于电力系统机组组合(UC)问题的教学实验与课程设计;②支撑科研工作中对遗传算法、粒子群算法等智能优化算法在电力系统调度中应用的研究;③为含可再生能源接入的现代电网调度提供仿真平台与技术参考,助力低碳电力系统规划与运行。; 阅读建议:建议读者结合电力系统调度理论与优化建模知识,深入理解机组组合问题的数学本质与物理约束,再通过Matlab代码进行仿真实践,重点关注算法收敛性、多目标权衡策略与不同测试系统间的性能对比,以实现理论与实践的深度融合。
内容概要:本文研究了一种基于TCN-BiGRU-Attention混合神经网络模型的风电功率预测方法,旨在提升预测精度。该模型融合了时间卷积网络(TCN)对局部时序特征的强大提取能力、双向门控循环单元(BiGRU)对时间序列前后依赖关系的双向捕捉能力,以及注意力(Attention)机制对关键时间步特征的自适应加权聚焦能力。研究采用多变量输入方式,综合纳入风速、风向、温度等多种气象因素作为输入特征,实现风电功率的单步预测。通过对实际风电场数据的实验验证,该模型在预测精度方面相较于单一模型或其他组合模型展现出显著优势,有效降低了预测误差。; 适合人群:具备一定机器学习与深度学习基础,从事新能源预测、电力系统调度或相关领域研究的科研人员与工程技术人员。; 使用场景及目标:①应用于风电场功率实时预测,提升电网调度的稳定性与安全性;②为电力市场交易、储能配置和可再生能源消纳提供高精度数据支持;③作为深度学习模型融合设计的参考案例,推动时序预测技术的发展。; 阅读建议:此资源提供了完整的Matlab代码实现,读者在学习时应重点关注模型结构的设计原理、多变量特征的处理方式以及Attention机制的融入方法,建议结合代码进行复现实验,调整参数以深入理解各组件对最终预测性能的影响。
内容概要:本文聚焦于非线性值迭代自适应动态规划(ADP)算法的研究,通过复现Matlab代码深入探讨离散时间非线性系统的策略迭代方法。文章系统阐述了ADP算法的核心原理,重点分析了其在处理非线性系统时的优势与挑战,并详细展示了值迭代与策略迭代在优化控制策略中的具体实现过程。研究强调了通过迭代优化实现系统性能最大化的方法论,同时提供了完整的代码与文档资源,便于读者进行深入学习与实践。; 适合人群:具备一定编程基础,尤其是对Matlab有初步了解的研发人员,以及从事控制理论、自动化、人工智能等领域的研究人员和研究生。; 使用场景及目标:① 为控制理论与自动化领域的研究者提供非线性系统控制策略设计与实现的实用案例;② 为学生和初学者提供学习与理解自适应动态规划算法及其在非线性系统中应用的实践机会;③ 推动相关领域的学术交流与技术进步,激发更多研究者投身于非线性控制系统的研究与优化。; 阅读建议:此资源兼具理论深度与实践指导。建议读者在学习过程中紧密结合理论知识与代码操作,动手实现算法,并通过调整参数或应用场景来深化理解。同时,可参考提供的参考资料,进一步探索自适应动态规划领域的最新研究进展。

320

社区成员

发帖
与我相关
我的任务
社区描述
主要用于技术交流,包括但不限于 .net,mssql,js,css,python,算法,运维。也可以晒最新技术,美图,运动等。最后,如果有问题,可以提问,老顾能帮忙的会尽量帮忙哦。
前端sqlserverasp.net 技术论坛(原bbs) 北京·西城区
社区管理员
  • 文盲老顾
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧