当前位置: 首页 > article >正文

蓝桥杯例题六

奋斗是一种态度,也是一种生活方式。无论我们面对什么样的困难和挑战,只要心怀梦想,坚持不懈地努力,就一定能够迈向成功的道路。每一次失败都是一次宝贵的经验,每一次挫折都是一次锻炼的机会。在困难面前,我们不能轻易放弃,而应该勇敢地面对,坚持不懈地追求自己的目标。只要我们有梦想,就有追求的动力;只要我们有坚持,就有成功的可能。让我们激发内在的力量,勇敢地面对挑战,努力奋斗,成就自己的人生。不管前方的路有多坎坷,我们都要坚持向前,不断超越自己,用汗水和努力书写属于自己的辉煌篇章。相信自己,励志奋斗,成功势在必得!

蓝桥杯官网蓝桥杯大赛 — 全国大学生TMT行业赛事

刷题力扣 (LeetCode) 全球极客挚爱的技术成长平台

目录

题目11:整数拆分

背景描述:

输入格式:

输出格式:

样例输入:

样例输出:

解答过程:

Python代码实现及详细注释:

题目12:买卖股票的最佳时机 II

背景描述:

输入格式:

输出格式:

样例输入:

样例输出:

解答过程:

Python代码实现及详细注释:

总结


题目11:整数拆分

背景描述:

给定一个正整数 n,将其拆分为至少两个正整数之和,并使这些整数的乘积最大化。返回你可以获得的最大乘积。

输入格式:

输入一个整数 n (2 <= n <= 58)。

输出格式:

输出一个整数,表示可以获得的最大乘积。

样例输入:
10
样例输出:
36
解答过程:

动态规划 是解决此类问题的有效方法。我们使用一个数组 dp 来存储每个整数 i 的最大乘积值,并通过状态转移方程更新 dp[i]

步骤:

  1. 初始化:
    • 创建一个大小为 n+1 的数组 dp,其中 dp[i] 表示整数 i 拆分后的最大乘积。
    • 初始化 dp[2] = 1,因为 2 只能拆分成 1 + 1,乘积为 1
  2. 状态转移:
    • 对于每一个整数 i,尝试将其拆分成 j 和 i-j,并更新 dp[i] 为 max(dp[i], max(j, dp[j]) * max(i-j, dp[i-j]))
  3. 结果:
    • 最终 dp[n] 即为所求的最大乘积。
Python代码实现及详细注释:
def integer_break(n):
    if n == 2:
        return 1
    
    # 初始化dp数组
    dp = [0] * (n + 1)
    dp[2] = 1
    
    for i in range(3, n + 1):
        for j in range(1, i // 2 + 1):
            # 更新dp[i]为当前最大乘积
            dp[i] = max(dp[i], max(j, dp[j]) * max(i - j, dp[i - j]))
    
    return dp[n]

# 示例输入
n = 10

# 调用函数并打印结果
print(integer_break(n))  # 输出: 36

题目12:买卖股票的最佳时机 II

背景描述:

给定一个数组 prices ,它的第 i 个元素 prices[i] 表示一支给定股票第 i 天的价格。设计一个算法来计算你所能获取的最大利润。你可以尽可能地完成更多的交易(即多次买入和卖出一支股票)。但是,你不能同时参与多个交易(必须在再次购买前出售掉之前的股票)。

输入格式:

第一行包含一个整数 n (1 <= n <= 10^5),表示价格数组的长度。 第二行包含 n 个整数,表示每一天的价格。

输出格式:

输出一个整数,表示可以获得的最大利润。

样例输入:
6
7 1 5 3 6 4
样例输出:
7
解答过程:

贪心算法 是解决此类问题的有效方法。我们只需要在价格上涨时进行买卖操作,即可获得最大利润。

步骤:

  1. 初始化:
    • 设置变量 max_profit 为0,用于记录总利润。
  2. 遍历价格数组:
    • 对于每一天的价格,如果当天的价格高于前一天的价格,则将差值累加到 max_profit 中。
  3. 结果:
    • 最终 max_profit 即为所求的最大利润。
Python代码实现及详细注释:
def max_profit(prices):
    max_profit = 0
    for i in range(1, len(prices)):
        # 如果当天的价格高于前一天的价格,则进行买卖操作
        if prices[i] > prices[i - 1]:
            max_profit += prices[i] - prices[i - 1]
    
    return max_profit

# 示例输入
prices = [7, 1, 5, 3, 6, 4]

# 调用函数并打印结果
print(max_profit(prices))  # 输出: 7

总结

这两个题目分别涉及了不同的算法思想和技巧:

  • 整数拆分 使用了动态规划的方法,适用于处理需要寻找最优子结构的问题。
  • 买卖股票的最佳时机 II 使用了贪心算法,这是一种常见的用于优化问题的方法,特别适合用于寻找局部最优解以达到全局最优解的情况。

http://www.kler.cn/a/529722.html

相关文章:

  • LabVIEW如何高频采集温度数据?
  • Kafka常见问题之 java.io.IOException: Disk error when trying to write to log
  • 何谓共赢?
  • 解决Django非ORM模型提示初始化request问题
  • 数据分析系列--⑦RapidMiner模型评价(基于泰坦尼克号案例含数据集)
  • Dijkstra算法解析
  • 如何在Windows、Linux和macOS上安装Rust并完成Hello World
  • OpenGL学习笔记(五):Textures 纹理
  • 深入解析 vmstat 命令的工作原理
  • 海思ISP开发说明
  • 2025年Android开发趋势全景解读
  • 基于java SSM的房屋租赁系统设计和实现
  • MATLAB中的IIR滤波器设计
  • 【前端学习路线】前端优化 详细知识点学习路径(附学习资源)
  • Rust 的基本类型有哪些,他们存在堆上还是栈上,是否可以COPY?
  • 影视文件大数据高速分发方案
  • Vue - shallowRef 和 shallowReactive
  • 一文讲解HashMap线程安全相关问题(上)
  • Synchronized和ReentrantLock的区别
  • leetcode——两两交换链表中的节点(java)
  • 省级生活垃圾无害化处理率面板数据(2004-2022年)-社科数据
  • super关键字
  • 自定义数据集,使用scikit-learn 中K均值包 进行聚类
  • 数据分析系列--[12] RapidMiner辨别分析(含数据集)
  • Kafka ACL(访问控制列表)介绍
  • c/c++高级编程