华为OD机试真题C卷-篇6

100分值题

  • 宽度最小的子矩阵
  • 部门人力分配
  • 电脑病毒感染
  • 会议室占用时间段
  • 路口最短时间问题
  • 5G网络建设

宽度最小的子矩阵

  • 给定一个n行 * m列的矩阵；
  • 给定一个k个整数的数组k_list；
  • 在n*m的矩阵中找一个宽度最小的子矩阵，该子矩阵包含k_list中所有的整数；
    输入描述：
    第一行输入n,m 两个整数；
    后续n行每行输入 m个数据；
    输入k值；
    输入个整数
    输出描述：
    最小宽度值，若找不到，则输出-1

示例1
输入：
2 5
1 2 2 3 1
2 3 2 3 2
3
1 2 3
输出：
2
说明，
矩阵第0、3列包含了1、2、3；
矩阵第3、4列包含了1、2、3

示例2
输入：
2 5
1 2 2 3 1
1 3 2 3 4
3
1 1 4
输出：
5
思路：

  • 滑动的子矩阵
  • 从第一列起始，找一个宽度最小的子矩阵；
  • 从第二列开始，找一个宽度最小的子矩阵；
  • 依次到最后一列…
  • 以上的宽度每次取最小值
 
class MinWidth:def solution(self, n, m, matrix, k_list):k_dict = self.to_dict(k_list)min_width = float("inf")# 类似双指针for start_idx in range(m):for end_idx in range(start_idx, m):temp_list = []# 获取当前子矩阵的所有元素for i in range(n):temp_list.extend(matrix[i][start_idx:end_idx+1])temp_dict = self.to_dict(temp_list)# 集合操作flag = Truefor key in k_dict:if key in temp_dict and k_dict[key] <= temp_dict[key]:continueelse:flag = Falsebreakif flag:min_width = min(min_width, end_idx - start_idx + 1)breakprint(min_width)def to_dict(self, alist):dict_ = {}for i in alist:dict_[i] = dict_.get(i, 0) + 1return dict_if __name__ == '__main__':min_width = MinWidth()while True:try:n, m = list(map(int, input().strip().split()))matrix = []for i in range(n):matrix.append(list(map(int, input().strip().split())))k = int(input().strip())k_list = list(map(int, input().strip().split()))min_width.solution(n, m, matrix, k_list)except KeyboardInterrupt:break

&nbsp

部门人力分配

  • requirements表示开发需求数组，每个值表示当前需求的月数，所有需求需要在m个月内完成；
  • 每个月最多有2个需求完成开发；人力安排后每个月人力是固定的；
  • 在满足需求开发进度的情况下，每个月需要的最小人力是多少？
    输入描述：
    第一行输入m
    第二行输入requirements 数组， 值>=1 长度为n;
    1<=n/2<=m<=n<=10000
    输出描述：
    输出部门需要的人力？

示例1
输入：
3
3 5 3 4
输出：
6
说明：
开发时间为5个月的需求在一个月内完成，则需要5个人；
3 3 合并到一个月完成，需要6个人力；
3 4合并到一个月完成，需要7个人力；
4 5合并到一个月完成，需要9个人力;

示例2
输入：
3
3 3 4 5 6
输出：
8

示例3
输入：
3
3 3 4 5 6 2
输出：

思路：

  • n个需求，n个月完成需要的人力较少，m个月完成人力增加；
  • n个需求在m个月内完成，当n==m时，取requirements的最大值；
  • n>m时，requirements升序排序，依次取出不需要合并的最大值放入temp_list，直到n==m的情况；
    • 剩余需要合并的数对，利用双指针进行两两合并（最大值组合一个最小值），求的和放入temp_list;
    • 最终 temp_list 长度会等于m，此时取temp_list的最大值即可；

class LeastResource:def solution(self, requirements, m):n = len(requirements)requirements.sort()temp_list = []if n == m:result = max(requirements)print(result)else:while n / 2 < m:temp_list.append(requirements.pop())n -= 1m -= 1# 剩余需求 需要两两组合self.merge(temp_list, requirements)result = max(temp_list)print(result)def merge(self, temp_list, requirements):cur_n = len(requirements)pre = 0cur = cur_n - 1while pre < cur:cur_sum = requirements[pre] + requirements[cur]temp_list.append(cur_sum)pre += 1cur -= 1if __name__ == '__main__':least_resource = LeastResource()while True:try:m = int(input().strip())requirements = list(map(int, input().strip().split()))least_resource.solution(requirements, m)except KeyboardInterrupt:break

二分法
最小人力范围在requirements的最大值—最大值+次最大值 之间；

m = int(input())
nums = [int(x) for x in input().split(" ")]
nums.sort()def cal(k, nums, length) :low = 0high = length - 1months = 0while (True) :if(low > high):breakelse :if (nums[low] + nums[high] > k) :high -= 1else :low += 1high -= 1months+=1return monthslow = nums[len(nums)-1]
high = nums[len(nums)-1] + nums[len(nums)-2]result = -1
while (True) :if(low > high):breakelse :k = int((low + high) / 2)if (cal(k, nums, len(nums)) <= m) :high = k - 1result = kelse :low = k + 1
print(result)

 

电脑病毒感染

  • 一个局域网内有n台电脑，编号为 0 -> n-1，电脑之间病毒感染时间用t表示；
  • 现在网络内已有一台电脑被病毒感染；
  • 求其感染所有其他电脑最少的时间，若最后有电脑不会感染，则返回-1;
  • 数组times 表示一台电脑把相邻的电脑感染所用的时间；
  • path[i] = {i, j, t} 表示 电脑i 感染 电脑j 所用的时间t;
    输入描述：
    第一行输入n 在[1, 200]
    第二行输入m, 表示m条网络；
    后m行，每行输入i,j,t, 1<=i,j<=n
    最后一行输入携带病毒的电脑编号；
    输出描述：
    感染全部电脑的最少时间，不能感染全部输出-1

示例1
输入：
4
3
2 1 1
2 3 1
3 4 1
2
输出：
2

思路

  • 单源最短路径
 
n = int(input())
count = int(input())
time = [float('inf') for i in range(n)]matrix=[[0 for i in range(3)] for j in range(count)]
for j in range(count):nums = [int(x) for x in input().split(" ")]matrix[j][0] = nums[0] matrix[j][1] =nums[1]matrix[j][2] = nums[2]start = int(input())
time[start-1] = 0for i in range(n):for j in range(count):   if (time[matrix[j][0]-1] + matrix[j][2] < time[matrix[j][1]-1]) :time[matrix[j][1]-1] = time[matrix[j][0]-1] + matrix[j][2]result = 0
i=0
while(True):if(i>=n):print(result)breakelse :if (time[i] == float('inf')) :print(-1)breakif(time[i]>result):result = time[i]i+=1

 

会议室占用时间段

在这里插入图片描述
在这里插入图片描述

 
meetings = [[1,4], [2,5],[7,9], [14,18]]
def merge(meetings) :sorted(meetings,key=lambda x: (x[1],x[0]))result = []result.append(meetings[0])cur = result[0]i=1while(True):if(i>=len(meetings)):breakelse :if (cur[1] >= meetings[i][0] and cur[1] <= meetings[i][1]) :cur[1] = meetings[i][1]elif(cur[1] > meetings[i][1]):passelse :result.append(meetings[i])cur = meetings[i]i+=1print(result)return result
merge(meetings)

 

路口最短时间问题

在这里插入图片描述
在这里插入图片描述


directions = [[-1,0],[0,1],[1,0],[0,-1]]def calcTime(lights, timePerRoad, rowStart, colStart, rowEnd, colEnd) :result = [[[float('inf') for i in range(4)] for j in range(colEnd+1)] for k in range(rowEnd+1)]pq = queue.PriorityQueue()for i in range(4):pq.put([0, [rowStart, colStart, i, 0]])result[rowStart][colStart][i] = 0while (True) :if(pq.qsize()<=0):breakelse :point_t = pq.get() point = point_t[1]if (point[3] > result[point[0]][point[1]][point[2]]) :continuefor  i in range(4):if (not(directions[i][0] == 1 and directions[i][1] == 0)) :new_dir = (point[2] + i) % 4 new_x = point[0] + directions[new_dir][0]new_y = point[1] + directions[new_dir][1]if (new_x >= 0 and new_x < len(lights) and new_y >= 0 and new_y < len(lights[new_x])) :new_speed = point[3] + timePerRoad if (not(directions[i][0] == 0 and directions[i][1] == 1)):new_speed += lights[point[0]][point[1]]if (new_speed < result[new_x][new_y][new_dir]) :result[new_x][new_y][new_dir] = new_speedpq.put([new_speed, [new_x, new_y, new_dir, new_speed]]) return min(min(result[rowEnd][colEnd][0],result[rowEnd][colEnd][1]), result[rowEnd][colEnd][2]) lights = [[1,2,3],[4,5,6],[7,8,9]]
timePerRoad = 60
rowStart = 0
colStart = 0
rowEnd = 2
colEnd = 2
print(calcTime(lights,timePerRoad, rowStart,colStart, rowEnd, colEnd))

 

5G网络建设

  • 选取n个地点建设5G基站，地点编号1 -> n；
  • 各个基站之间使用光纤连接，设计算法计算连通所有基站的最小成本；
  • 基站的连通具有传递性，A->B连通，B->C连通，则A->C连通；
    输入描述：
    第一行输入基站个数n, 0< n <=20;
    第二行输入已具备光纤连接的基站对数m;
    第三行开始的m行，格式为 X Y Z P，X Y表示基站编号 1-n且不相等，Z表示XY之间的光纤成本(0, 100)，P表示是否已存在光纤连接，0未连接，1已连接；
    输出描述：
    输出最小的建设成本，无法建设完成输出-1；

示例1
输入：
3
3
1 2 3 0
1 3 1 0
2 3 5 0
输出：
4
说明：只需在1、2及2、3之间建设光纤

示例2
输入：
3
1
1 2 5 0
输出：
-1

示例3
输入：
3
3
1 2 3 0
1 3 1 0
2 3 5 1
输出：
1

在这里插入图片描述


class UF:def __init__(self, n):self.root = [i for i in range(n+1)]self.rank = [1 for i in range(n+1)]self.count = 0def find(self,x):if (x == self.root[x]):return xself.root[x] = self.find(self.root[x])return self.root[x]def union(self,x, y):self.root[self.find(x)] = self.find(y)self.count+=1def get_count(self):return self.countn = int(input())
m = int(input())
uf = UF(n)
networks = []
for i in range(m):data = [int(x) for x in input().split(" ")]if (data[3] == 1):if (uf.find(data[0]) != uf.find(data[1])):uf.union(data[0], data[1])else:networks.append([data[0],data[1],data[2]])sorted(networks, key=lambda x : x[2])result = 0
i=0
while(True):if(i>=len(networks)):breakelse:if (uf.find(networks[i][0]) != uf.find(networks[i][1])):uf.union(networks[i][0], networks[i][1])result += networks[i][2]if (uf.get_count() == n - 1):breaki+=1if(uf.get_count() != n - 1):result = -1 
print(result)

 

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/509811.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

YOLOv5-Openvino和ONNXRuntime推理【CPU】

YOLOv5-Openvino和ONNXRuntime推理【CPU】

1 环境&#xff1a; CPU&#xff1a;i5-12500 Python&#xff1a;3.8.18 2 安装Openvino和ONNXRuntime 2.1 Openvino简介 Openvino是由Intel开发的专门用于优化和部署人工智能推理的半开源的工具包&#xff0c;主要用于对深度推理做优化。 Openvino内部集成了Opencv、Tens…
阅读更多...
MAC 的vscode菜单栏怎么调？

MAC 的vscode菜单栏怎么调？

我去&#xff0c;这个bug找到了半天&#xff0c;终于找到正解了&#xff0c;仅记录&#xff0c;为广大和我一样不熟悉mac的兄弟们避坑。 正解&#xff1a;mac的vscode的菜单栏在屏幕最顶上&#xff0c;不用调出来&#xff0c;人家一直都有。
阅读更多...
在国内如何申请US，visa卡？

在国内如何申请US，visa卡？

随着跨境与AI的发展大家对美国虚拟卡的需求也越来越多&#xff0c;比如说亚马逊、ebay、Etsy、ChatGPTPLUS、midjourney、POE等等软件以及海淘的需要&#xff0c;所以我们需要用到美国虚拟卡的场景就越来越多 如何获得一张US 虚拟信用卡&#xff1f; 方法很简单&#xff0c;点…
阅读更多...
Kubernetes-1

Kubernetes-1

学习Kubernetes第一天 k8s-11、什么是Kubernetes2、配置Kubernetes2.1、准备三台全新的虚拟机2.2、关闭防火墙和SElinux2.3、修改主机名2.4、升级操作系统(三台一起操作)2.5、配置主机hosts文件&#xff0c;相互之间通过主机名互相访问2.6、配置master和node之间的免密通道2.7、…
阅读更多...
SpringBootWeb快速入门

SpringBootWeb快速入门

1.创建springboot工程&#xff0c;新建module 2.勾选web开发相关依赖 3.删除多余文件 4.新建类 5.启动类中运行main方法 6.启动 默认端口号8080 7.打开浏览器&#xff0c;地址栏输入 8.报错 9.原因&#xff0c;控制层位置放错&#xff0c;剪切controller层放进com.example …
阅读更多...
情感分析（文本分类）数据集汇总

情感分析（文本分类）数据集汇总

想在推荐前对评论做一些情感分析方面的工作,参考网上其它博主的博客大概整理了一下情感分析方面的数据集的内容&#xff0c;大致分为两类——多分类和二分类&#xff08;俺比较关注的&#xff09;&#xff0c;中英文的数据集都汇总整理了一下&#xff0c;后面会关注一下相关的比…
阅读更多...
如何在飞书接入ChatGPT并结合内网穿透实现公网远程访问智能AI助手

如何在飞书接入ChatGPT并结合内网穿透实现公网远程访问智能AI助手

文章目录 前言环境列表1.飞书设置2.克隆feishu-chatgpt项目3.配置config.yaml文件4.运行feishu-chatgpt项目5.安装cpolar内网穿透6.固定公网地址7.机器人权限配置8.创建版本9.创建测试企业10. 机器人测试 前言 在飞书中创建chatGPT机器人并且对话&#xff0c;在下面操作步骤中…
阅读更多...
ViTMatte:Boosting image matting with pretrained plain vision transformers

ViTMatte:Boosting image matting with pretrained plain vision transformers

自sora之后&#xff0c;我也要多思考&#xff0c;transformer的scaling law在各个子领域中是不是真的会产生智能&#xff0c;conv的叠加从resnet之后就讨论过&#xff0c;宽或者深都没有办法做到极限&#xff0c;大概sam这种思路是最好的实证。 1.introduction 引入了ViT adap…
阅读更多...
C语言：指针（二）

C语言：指针（二）

目录 1.数组名的理解2.使用指针访问数组3.一维数组传参的本质4.二级指针5.指针数组6.字符指针变量7.数组指针变量8.二维数组传参的本质9.函数指针变量10.函数指针数组11.回调函数12.qsort函数13.使用回调函数模拟实现qsort函数 1.数组名的理解 int main() {int arr[] { 1,2,3…
阅读更多...
ASCII码

ASCII码

ASCII码 概念 ASCII(American Standard Code for Information Interchange)的缩写&#xff08;美国标准信息交换代码&#xff09;&#xff0c;已被国际标准化组织ISO采纳&#xff0c;作为国际通用的信息交换标准代码。 诞生背景 计算机对数据的识别、运算和存储都建立在二进…
阅读更多...
SpringBoot+Vue实现el-table表头筛选排序（附源码）

SpringBoot+Vue实现el-table表头筛选排序（附源码）

&#x1f468;‍&#x1f4bb;作者简介&#xff1a;在笑大学牲 &#x1f39f;️个人主页&#xff1a;无所谓^_^ ps&#xff1a;点赞是免费的&#xff0c;却可以让写博客的作者开心好几天&#x1f60e; 前言 后台系统对table组件的需求是最常见的&#xff0c;不过element-ui的el…
阅读更多...
FPGA之加法逻辑运算

FPGA之加法逻辑运算

由于FPGA需要被反复烧写&#xff0c;它实现组合逻辑的基本结构不可能像ASIC 那样通过固定的与非门来完成&#xff0c;而只能采用一种易于反复配置的结构。查找表可以很好地满足这一要求&#xff0c;目前主流FPGA都采用了基于SRAM 工艺的查找表结构。LUT本质上就是一个RAM。它把…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023