[算法刷题题解笔记] 洛谷 P1011 [NOIP1998 提高组] 车站 [数学|斐波那契|推导]

简介: [算法刷题题解笔记] 洛谷 P1011 [NOIP1998 提高组] 车站 [数学|斐波那契|推导]

题目链接

题目大意

  • 根据题目给出的每个车站上下车人数的规律,以及测试点输入的数据:始发站上车人数a、车站数n、终点站下车人数m,编写程序,计算出所求的站点编号x火车发车时车上的人数

解题思路

  • 假设第二站上下车人数为x,推导每个车站火车发车时车上人数的公式表达式:
  • 推导出公式为:m = k1a + k2x
  • 其中k1 k2为a和x前的系数,a为始发站上车人数,x为第二站的上下车人数,m为终点站下车人数
  • k1_i = k1_(i-1) + k1_(i-2) - 1 从第四站开始为前两站系数之和 - 1
  • k2_i = k2_(i-1) + k2_(i-2) + 1 从第四站开始为前两站系数之和 + 1
  • 先根据a和x前的系数k1 k2的规律,求出最后一站前一站发车时车上人数表示公式的k1 k2,最后一站下车人数等于前一站上下车后车上人数(最后一站全部下)
  • 在求解最后一站前一站发车时车上人数表示公式的k1 k2的过程中,保存每一站发车时车上人数表示公式的k1 k2
  • 然后根据推导出公式求出未知数x
  • 最后利用推导公式和提前求解保存的每一站发车时车上人数表示公式的k1 k2,求解输出所求站点xi出发时的车上人数

截图代码

// package luogu.orange;
import java.io.*;
/**
 * ClassName: P1011
 * Package: luogu.orange
 * Description:
 *
 * @Author tcw
 * @Create 2023-06-08 23:44
 * @Version 1.0
 */
public class Main {
    // 快读快写
    private static StreamTokenizer st = new StreamTokenizer(new BufferedReader(new InputStreamReader(System.in)));
    private static PrintWriter out = new PrintWriter(new BufferedWriter(new OutputStreamWriter(System.out)));
    public static void main(String[] args) {
        // 始发站上车人数
        int a = readInt();
        // 车站数
        int n = readInt();
        // 终点站下车人数
        int m = readInt();
        // 所求站点编号
        int xi = readInt();
        // 根据推导,m = k1a + k2x
        // 其中k1 k2为a和x前的系数,a为始发站上车人数
        // x为第二站的上下车人数,m为终点站下车人数
        // k1_i = k1_(i-1) + k1_(i-2) - 1 从第四站开始为前两站系数之和-1
        // k2_i = k2_(i-1) + k2_(i-2) + 1 从第四站开始为前两站系数之和+1
        // 存储系数
        int[] k1 = new int[n];
        int[] k2 = new int[n];
        // 求解推导出的公式系数,并求解x
        // 由于最后一站下车人数等于前一站上下车后车上人数(最后一站全部下)
        for (int i = 1; i <= n - 1; i++) {
            if (i == 1) {
                k1[i] = 1;
                k2[i] = 0;
            } else if (i == 2) {
                k1[i] = 1;
                k2[i] = 0;
            } else if (i == 3) {
                k1[i] = 2;
                k2[i] = 0;
            } else {
                k1[i] = k1[i - 1] + k1[i - 2] - 1;
                k2[i] = k2[i - 1] + k2[i - 2] + 1;
            }
            // out.println(k1[i] +" " + k2[i]);
        }
        // 根据推导公式 m = k1a + k2x 求解x
        int x = (m - k1[n - 1] * a) / k2[n - 1];
        // 计算输出所求站点xi出发时的车上人数
        out.print(k1[xi] * a + k2[xi] * x);
        out.flush();
    }
    private static int readInt() {
        int in = 0;
        try {
            st.nextToken();
            in = (int) st.nval;
        } catch (IOException e) {
            e.printStackTrace();
        }
        return in;
    }
}


相关文章
|
15天前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
65 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
3月前
|
算法 API 计算机视觉
人脸识别笔记(一):通过yuface调包(参数量54K更快更小更准的算法) 来实现人脸识别
本文介绍了YuNet系列人脸检测算法的优化和使用,包括YuNet-s和YuNet-n,以及通过yuface库和onnx在不同场景下实现人脸检测的方法。
111 1
|
3月前
|
JSON 算法 数据可视化
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
这篇文章是关于如何通过算法接口返回的目标检测结果来计算性能指标的笔记。它涵盖了任务描述、指标分析(包括TP、FP、FN、TN、精准率和召回率),接口处理,数据集处理,以及如何使用实用工具进行文件操作和数据可视化。文章还提供了一些Python代码示例,用于处理图像文件、转换数据格式以及计算目标检测的性能指标。
95 0
测试专项笔记(一): 通过算法能力接口返回的检测结果完成相关指标的计算(目标检测)
|
3月前
|
数据可视化 搜索推荐 Python
Leecode 刷题笔记之可视化六大排序算法:冒泡、快速、归并、插入、选择、桶排序
这篇文章是关于LeetCode刷题笔记,主要介绍了六大排序算法(冒泡、快速、归并、插入、选择、桶排序)的Python实现及其可视化过程。
31 0
|
3月前
|
算法
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
❤️算法笔记❤️-(每日一刷-83、删除排序链表中的重复项)
39 0
|
2天前
|
算法 数据安全/隐私保护 计算机视觉
基于Retinex算法的图像去雾matlab仿真
本项目展示了基于Retinex算法的图像去雾技术。完整程序运行效果无水印,使用Matlab2022a开发。核心代码包含详细中文注释和操作步骤视频。Retinex理论由Edwin Land提出,旨在分离图像的光照和反射分量,增强图像对比度、颜色和细节,尤其在雾天条件下表现优异,有效解决图像去雾问题。
|
2天前
|
算法 数据可视化 安全
基于DWA优化算法的机器人路径规划matlab仿真
本项目基于DWA优化算法实现机器人路径规划的MATLAB仿真,适用于动态环境下的自主导航。使用MATLAB2022A版本运行,展示路径规划和预测结果。核心代码通过散点图和轨迹图可视化路径点及预测路径。DWA算法通过定义速度空间、采样候选动作并评估其优劣(目标方向性、障碍物距离、速度一致性),实时调整机器人运动参数,确保安全避障并接近目标。
|
12天前
|
算法 数据安全/隐私保护
室内障碍物射线追踪算法matlab模拟仿真
### 简介 本项目展示了室内障碍物射线追踪算法在无线通信中的应用。通过Matlab 2022a实现,包含完整程序运行效果(无水印),支持增加发射点和室内墙壁设置。核心代码配有详细中文注释及操作视频。该算法基于几何光学原理,模拟信号在复杂室内环境中的传播路径与强度,涵盖场景建模、射线发射、传播及接收点场强计算等步骤,为无线网络规划提供重要依据。
|
13天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
13天前
|
算法
基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
本设计基于龙格库塔算法对锅炉单相受热管进行建模与MATLAB数值仿真,简化为喷水减温器和末级过热器组合,考虑均匀传热及静态烟气处理。使用MATLAB2022A版本运行,展示自编与内置四阶龙格库塔法的精度对比及误差分析。模型涉及热传递和流体动力学原理,适用于优化锅炉效率。

热门文章

最新文章