蓝桥杯 每日2道真题训练+DFS预备真题 Python

简介: 蓝桥杯 每日2道真题训练+DFS预备真题 Python

真题训练1:饮料换购 考察>>简单的数学推理

image.png


这道题不难 分析易知道:实际得到的饮料数=开始拥有的饮料+兑换的饮料


如果开始拥有的饮料n<=2 不可以兑换


否则当n>=3 可以兑换 消耗3可以换1


只需统计兑换次数即可

n=int(input())
s=n
if n<=2:
    print(n)
else:
    count=0
    while s>=3:
        count+=1
        s=(s-3)+1
print(n+count)


真题训练2: 排序 考察>>对冒泡排序的理解


image.png


首先 冒泡排序最多次数为n(n-1)/2次 原因如果是完全逆序 第一个需要交换n-1次,第二个需要交换n-2次以此类推最后一个需要交换1次 等差数列求和公式易得上式 (n为元素个数)


分析题意:需要满足交换100次,无重复,小写字母,最短,字典序最小


无重复和小写字母处理容易 即我们只需要考虑无重复的小写字母字符串


交换100次:n=14 最多交换91次 n=15最多交换105次 n=16最多交换120次


所以如果要交换100次 n至少15 由于n为元素个数 并且要求字符串最短即n最小 所以n=15


字典序最小 那么字符串必然由‘a~o’组成 (由于本题默认了冒泡排序升序,以此为准)


那么令s='onmlkjihgfedcba' 冒泡次数为105次


现在问题在于:如何重新排列s使得次数减少5并使得新排列字典序最小


如何理解字典序最小:字符串从左到右每个字母尽可能小


尝试a放到首字母 这样子总次数减少了14次 不可


尝试b 减少了13次 不可


....尝试j 减少了5次 刚好100次!那么现在就要检验这个‘jonmlkihgfedcba’是不是最小的字典序排列 ,即现在从第二个字符开始有没有更小的可能?答案是没有的,因为onmlkihgfedcba是完全逆序的,交换次数为100次 如果更换了,那么就不会是100了 所以第二个字符也是最小的 同理....所有字符的都是对应位置上的最小字符 所以验证正确  

DFS:蓝桥杯配套真题 考察>>DFS

由于小郑上面这道题没有做出来 反思自己 是DFS了解不多 所以明天主要以预习DFS为主

那道真题预计明天出炉python解析

目录
相关文章
|
2月前
|
算法 Python
Python图论探索:从理论到实践,DFS与BFS遍历技巧让你秒变技术大牛
【7月更文挑战第11天】图论核心在于DFS与BFS。DFS深入探索,适用于找解空间;BFS逐层扩展,擅寻最短路径。
42 8
|
2月前
|
存储 算法 Python
Python图论实战:从零基础到精通DFS与BFS遍历,轻松玩转复杂网络结构
【7月更文挑战第11天】图论在数据科学中扮演关键角色,用于解决复杂网络问题。Python因其易用性和库支持成为实现图算法的首选。本文通过问答形式介绍DFS和BFS,图是节点和边的数据结构,遍历用于搜索和分析。Python中图可表示为邻接表,DFS用递归遍历,BFS借助队列。DFS适用于深度探索,BFS则用于最短路径。提供的代码示例帮助理解如何在Python中应用这两种遍历算法。开始探索图论,解锁更多技术可能!
96 6
|
2月前
|
算法 Python
逆袭之路!用 Python 玩转图的 DFS 与 BFS,让数据结构难题无处遁形
【7月更文挑战第12天】图的遍历利器:DFS 和 BFS。Python 中,图可表示为邻接表或矩阵。DFS 沿路径深入,回溯时遍历所有可达顶点,适合找路径和环。BFS 层次遍历,先近后远,解决最短路径问题。两者在迷宫、网络路由等场景各显神通。通过练习,掌握这些算法,图处理将游刃有余。
46 3
|
2月前
|
算法 定位技术 Python
震惊!Python 图结构竟然可以这样玩?DFS&BFS 遍历技巧大公开
【7月更文挑战第12天】在Python中,图数据结构通过邻接表实现,如`Graph`类所示。深度优先搜索(DFS)和广度优先搜索(BFS)是图遍历的关键算法。DFS递归遍历从起点开始的分支,常用于路径查找和连通性检查;BFS使用队列,适用于找最短路径。
31 3
|
2月前
|
算法 Python
深度挖掘Python图结构:DFS与BFS遍历的艺术,让复杂问题迎刃而解
【7月更文挑战第11天】在数据结构与算法中,图的遍历如DFS和BFS是解决复杂问题的关键。DFS深入探索直至无路可走,回溯找其他路径,适合找任意解;BFS则逐层扩展,常用于找最短路径。在迷宫问题中,BFS确保找到最短路径,DFS则可能不是最短。Python实现展示了两种方法如何在图(迷宫)中寻找从起点到终点的路径。
27 1
|
2月前
|
算法 Python
深度剖析!Python中图的DFS与BFS遍历,让你的数据搜索快到飞起
【7月更文挑战第10天】在数据结构和算法中,图遍历是核心概念,Python支持DFS和BFS来探索图。DFS递归深入节点,利用栈,先访问深处;BFS使用队列,层次遍历,先访问最近节点。
109 1
|
2月前
|
机器学习/深度学习 并行计算 TensorFlow
使用Python实现深度学习模型:分布式训练与模型并行化
【7月更文挑战第9天】 使用Python实现深度学习模型:分布式训练与模型并行化
47 1
|
2月前
|
数据采集 机器学习/深度学习 数据可视化
关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理,进行数据探索,选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。
【7月更文挑战第5天】这是一个关于Python数据分析项目的简要概述:从CSV加载数据,执行数据预处理(填充缺失值,处理异常值),进行数据探索(可视化和统计分析),选择线性回归模型进行训练,评估模型性能并优化,最后结果解释与可视化。此案例展示了数据科学的典型流程。
55 2
|
2月前
|
机器学习/深度学习 PyTorch TensorFlow
在深度学习中,数据增强是一种常用的技术,用于通过增加训练数据的多样性来提高模型的泛化能力。`albumentations`是一个强大的Python库,用于图像增强,支持多种图像变换操作,并且可以与深度学习框架(如PyTorch、TensorFlow等)无缝集成。
在深度学习中,数据增强是一种常用的技术,用于通过增加训练数据的多样性来提高模型的泛化能力。`albumentations`是一个强大的Python库,用于图像增强,支持多种图像变换操作,并且可以与深度学习框架(如PyTorch、TensorFlow等)无缝集成。
|
2月前
|
机器学习/深度学习 数据采集 Python
使用Python实现深度学习模型:自监督学习与对抗性训练
【7月更文挑战第1天】 使用Python实现深度学习模型:自监督学习与对抗性训练
45 0