联想算法题-搬砖人

简介: 联想算法题-搬砖人

联想算法题-搬砖人

问题描述

小A和小B都是搬砖人,因为各自的身体素质不同,所以他们为自己制定了不同的小目标。小A可以一次搬a1块砖,但是每搬一次就要休息b1分钟,他的目标是一天搬c1块砖;同样的,小B可以一次搬a2块砖,但是每搬一次就要休息b2分钟,他的目标是一天搬c2块砖。

每个人情况不同,只要完成自己的目标就好,已知某天小A和小B同时开始搬砖,请问他们谁先完成自己的目标?如果是小A则输出‘A’,如果是小B则输出‘B’,如果两个人同时完成,则输出‘A&B’。

输入描述

第一行是一个整数T,表示数据组数(1≤T≤100)

接下来T行,每行有六个正整数a1,b1,c1,a2,b2,c2,含义如题所示。(a1,b1,c1,a2,b2,c2<=10^9)

输出描述

输出包含T行,每行一个字符串如题所示。

输入样例

2

7 9 19 9 1 89

7 9 95 4 5 9

输出样例

B

B

解题思路:

这个题的难点在于,怎么计算休息的时间,a = (c1/a1) + (c1 % a1 != 0 ? 1 : 0)得到的就是A要搬的次数

那么他休息的次数可以理解ta = (a - 1) * b1分钟,其他人也是同理。

得到最后的表达式ta = (c1 / a1 - 1) * b1 + (c1 % a1 != 0 ? b1 : 0)

#include<iostream>
using namespace std;
/*
算法思路:这个题的难点在于,怎么计算休息的时间,
a = (c1/a1) + (c1 % a1 != 0 ? 1 : 0)得到的就是A要搬的次数
那么他休息的次数可以理解ta = (a - 1) * b1分钟,其他人也是同理。
得到最后的表达式ta = (c1 / a1 - 1) * b1 + (c1 % a1 != 0 ? b1 : 0)
*/
int main()
{
    int t;
    int a1, b1, c1, a2, b2, c2;
    cin >> t;
    while(t --)
    {
        cin >> a1 >> b1 >> c1 >> a2 >> b2 >> c2;
        int ta = 0, tb = 0;
        ta = (c1 / a1 - 1) * b1 + (c1 % a1 != 0 ? b1 : 0);
        tb = (c2 / a2 - 1) * b2 + (c2 % a2 != 0 ? b2 : 0);
        if (ta == tb) cout << "A&B\n";
        else if (ta > tb) cout << "B\n";
        else cout << "A\n";
    }
    return 0;
}
相关文章
|
10月前
|
算法 测试技术
联想算法题-小朋友分糖果
联想算法题-小朋友分糖果
52 0
|
10月前
|
算法
联想算法题-石头剪刀布
联想算法题-石头剪刀布
112 0
|
10月前
|
算法
联想算法题-发牌序列
联想算法题-发牌序列
57 0
|
12天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
83 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
3天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-LSTM-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-LSTM-SAM网络时间序列预测算法。使用Matlab2022a开发,完整代码含中文注释及操作视频。算法结合卷积层提取局部特征、LSTM处理长期依赖、自注意力机制捕捉全局特征,通过粒子群优化提升预测精度。适用于金融市场、气象预报等领域,提供高效准确的预测结果。
|
3天前
|
算法 数据安全/隐私保护
基于Big-Bang-Big-Crunch(BBBC)算法的目标函数最小值计算matlab仿真
该程序基于Big-Bang-Big-Crunch (BBBC)算法,在MATLAB2022A中实现目标函数最小值的计算与仿真。通过模拟宇宙大爆炸和大收缩过程,算法在解空间中搜索最优解。程序初始化随机解集,经过扩张和收缩阶段逐步逼近全局最优解,并记录每次迭代的最佳适应度。最终输出最佳解及其对应的目标函数最小值,并绘制收敛曲线展示优化过程。 核心代码实现了主循环、粒子位置更新、适应度评估及最优解更新等功能。程序运行后无水印,提供清晰的结果展示。
|
18天前
|
算法
基于遗传优化算法的风力机位置布局matlab仿真
本项目基于遗传优化算法(GA)进行风力机位置布局的MATLAB仿真,旨在最大化风场发电效率。使用MATLAB2022A版本运行,核心代码通过迭代选择、交叉、变异等操作优化风力机布局。输出包括优化收敛曲线和最佳布局图。遗传算法模拟生物进化机制,通过初始化、选择、交叉、变异和精英保留等步骤,在复杂约束条件下找到最优布局方案,提升风场整体能源产出效率。
|
18天前
|
算法 安全 机器人
基于包围盒的机械臂防碰撞算法matlab仿真
基于包围盒的机械臂防碰撞算法通过构建包围盒来近似表示机械臂及其环境中各实体的空间占用,检测包围盒是否相交以预判并规避潜在碰撞风险。该算法适用于复杂结构对象,通过细分目标对象并逐级检测,确保操作安全。系统采用MATLAB2022a开发,仿真结果显示其有效性。此技术广泛应用于机器人运动规划与控制领域,确保机器人在复杂环境中的安全作业。
|
5天前
|
算法 数据挖掘 数据安全/隐私保护
基于CS模型和CV模型的多目标协同滤波跟踪算法matlab仿真
本项目基于CS模型和CV模型的多目标协同滤波跟踪算法,旨在提高复杂场景下多个移动目标的跟踪精度和鲁棒性。通过融合目标间的关系和数据关联性,优化跟踪结果。程序在MATLAB2022A上运行,展示了真实轨迹与滤波轨迹的对比、位置及速度误差均值和均方误差等关键指标。核心代码包括对目标轨迹、速度及误差的详细绘图分析,验证了算法的有效性。该算法结合CS模型的初步聚类和CV模型的投票机制,增强了目标状态估计的准确性,尤其适用于遮挡、重叠和快速运动等复杂场景。
|
2天前
|
算法 数据安全/隐私保护
基于Adaboost的数据分类算法matlab仿真
本程序基于Adaboost算法进行数据分类的Matlab仿真,对比线性与非线性分类效果。使用MATLAB2022A版本运行,展示完整无水印结果。AdaBoost通过迭代训练弱分类器并赋予错分样本更高权重,最终组合成强分类器,显著提升预测准确率。随着弱分类器数量增加,训练误差逐渐减小。核心代码实现详细,适合研究和教学使用。