(新卷,200分)- 分积木(Java JS Python C)

(新卷,200分)- 分积木(Java & JS & Python & C)

题目描述

Solo和koko是两兄弟,妈妈给了他们一大堆积木,每块积木上都有自己的重量。现在他们想要将这些积木分成两堆。哥哥Solo负责分配,弟弟koko要求两个人获得的积木总重量“相等”(根据Koko的逻辑),个数可以不同,不然就会哭,但koko只会先将两个数转成二进制再进行加法,而且总会忘记进位(每个进位都忘记)。如当25(11101)加11(01011)时,koko得到的计算结果是18(10010):

11001 +01011 -------- 10010

Solo想要尽可能使自己得到的积木总重量最大,且不让koko哭。

输入描述

第一行是一个整数N(2≤N≤100),表示有多少块积木;

第二行为空格分开的N个整数Ci(1≤Ci≤106),表示第i块积木的重量。

输出描述

如果能让koko不哭,输出Solo所能获得积木的最大总重量;否则输出“NO”。

用例
输入

3
3 5 6

输出11
说明
题目解析

此题中Koko的计算逻辑其实就是按位异或,即两个相应的二进制位值不同则为1,否则为0。

因此,如果我们想按Koko的求和逻辑平分总重量的话,必然要生成两份相同的二进制数重量,而两个相同二进制数按位异或的结果就是0。

因此我们只要按位异或所有重量,最终结果为0的话,才能按照Koko的逻辑平分总重量。

而一旦可以平分总重量,则减去任意一个重量,都可以分成两份相同的二进制数,而为了使Solo能分得最大重量,则必然减去一个最轻的给Koko。

JavaScript算法源码
/* JavaScript Node ACM模式 控制台输入获取 */ const readline = require("readline"); const rl = readline.createInterface({ input: process.stdin, output: process.stdout, }); const lines = []; rl.on("line", (line) => { lines.push(line); if (lines.length === 2) { const n = parseInt(lines[0]); const weights = lines[1].split(" ").map(Number).slice(0, n); console.log(getSoloMaxWeight(weights)); lines.length = 0; } }); function getSoloMaxWeight(weights) { // 升序排序 weights.sort((a, b) => a - b); const min = weights[0]; // correctSum记录Solo计算的正确的总重量 let correctSum = min; // faultSum记录Koko计算的错误的总重量 let faultSum = min; for (let i = 1; i < weights.length; i++) { correctSum += weights[i]; // Koko的计算方法其实就是二进制按位异或运算,即如果两个相应的二进制位值不同则为1,否则为0。 faultSum ^= weights[i]; } // 如果按照Koko计算方法,若想按重量平分,必然会生成两份相同的二进制数,而两个相同二进制数,按位异或的结果必然是0 if (faultSum === 0) { return correctSum - min; // faultSum=0表示可以平分,因此任意减去一个重量,都可以得到两个相同的二进制数,因此就减去最小的,这样Solo就可以分得最重的 } else { return "NO"; // faultSum != 0 表示无法按照Koko的逻辑平分 } }
Java算法源码
import java.util.Arrays; import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner sc = new Scanner(System.in); int n = sc.nextInt(); int[] weights = new int[n]; for (int i = 0; i < n; i++) weights[i] = sc.nextInt(); System.out.println(getResult(n, weights)); } public static String getResult(int n, int[] weights) { // 升序 Arrays.sort(weights); int min = weights[0]; // correctSum记录Solo计算的正确的总重量 int correctSum = min; // faultSum记录Koko计算的错误的总重量 int faultSum = min; for (int i = 1; i < weights.length; i++) { correctSum += weights[i]; // Koko的计算方法其实就是二进制按位异或运算,即如果两个相应的二进制位值不同则为1,否则为0。 faultSum ^= weights[i]; } // 如果按照Koko计算方法,若想按重量平分,必然会生成两份相同的二进制数,而两个相同二进制数,按位异或的结果必然是0 if (faultSum == 0) { // faultSum=0表示可以平分,因此任意减去一个重量,都可以得到两个相同的二进制数,因此就减去最小的,这样Solo就可以分得最重的 return correctSum - min + ""; } else { // faultSum != 0 表示无法按照Koko的逻辑平分 return "NO"; } } }
Python算法源码
# 输入获取 n = int(input()) weights = list(map(int, input().split())) # 算法入口 def getResult(n, weights): weights.sort() minV = weights[0] correctSum = minV faultSum = minV for i in range(1, n): correctSum += weights[i] faultSum ^= weights[i] if faultSum == 0: return str(correctSum - minV) else: return "NO" # 算法调用 print(getResult(n, weights))
C算法源码
#include <stdio.h> #include <stdlib.h> void getResult(int n, int weights[]); int main() { int n; scanf("%d", &n); int weights[n]; for(int i=0; i<n; i++) { scanf("%d", &weights[i]); } getResult(n, weights); return 0; } int cmp(const void* a, const void* b) { return (*(int*) a) - (*(int*) b); } void getResult(int n, int weights[]) { qsort(weights, n, sizeof(int), cmp); int min = weights[0]; int correctSum = min; int faultSum = min; for(int i=1; i<n; i++) { correctSum += weights[i]; faultSum ^= weights[i]; } if(faultSum == 0) { printf("%d\n", correctSum - min); } else { puts("NO"); } }

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.mzph.cn/news/1150243.shtml

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

相关文章

每日Java面试场景题知识点之-检索增强生成(RAG)技术

每日Java面试场景题知识点之-检索增强生成(RAG)技术 引言 在当今企业级应用开发中&#xff0c;如何将AI能力与现有数据系统无缝集成是一个核心挑战。Spring AI框架提供的检索增强生成(RAG)技术&#xff0c;为解决这一问题提供了完美的解决方案。本文将通过实际项目场景&#xf…

2026 年加密行业交易平台参考整理:用户常用平台与新手使用指引

进入 2026 年&#xff0c;数字资产市场在经历多轮周期调整后&#xff0c;逐渐呈现出更加理性的发展特征。用户在选择交易平台时&#xff0c;关注点已从单一的规模指标&#xff0c;转向平台的长期运行情况、风险管理能力以及实际使用体验。在此背景下&#xff0c;“哪些交易平台…

大数据领域HBase的跨集群数据复制方案

大数据领域HBase的跨集群数据复制方案&#xff1a;从原理到实战的全面解析 关键词&#xff1a;HBase、跨集群复制、WAL日志、数据容灾、多活架构、复制对等体、数据一致性 摘要&#xff1a;在大数据场景下&#xff0c;HBase作为高并发、高扩展的分布式列式数据库&#xff0c;常…

谈谈你对AOP(面向切面编程)的理解,它是如何实现的?(动态代理)

从重复代码到优雅解耦:彻底搞懂AOP与动态代理的底层逻辑 一、引言:那些年我们写过的“脏代码” 你是否有过这样的经历? 为了给接口加日志,在UserService.addUser()、OrderService.createOrder()里都写了System.out.println("调用方法X,参数Y"); 为了保证事务…

导师推荐2026最新!10款AI论文软件测评:专科生毕业论文全攻略

导师推荐2026最新&#xff01;10款AI论文软件测评&#xff1a;专科生毕业论文全攻略 2026年AI论文工具测评&#xff1a;为何需要这份榜单&#xff1f; 随着人工智能技术的不断进步&#xff0c;越来越多的专科生开始借助AI工具辅助毕业论文写作。然而&#xff0c;面对市场上琳琅…

学霸同款9个AI论文工具,专科生搞定毕业论文+格式规范!

学霸同款9个AI论文工具&#xff0c;专科生搞定毕业论文格式规范&#xff01; AI工具如何助力论文写作&#xff1f; 随着人工智能技术的不断进步&#xff0c;越来越多的学生开始借助AI工具来完成论文写作。对于专科生而言&#xff0c;毕业论文不仅是一项重要的学术任务&#xff…

【信道干扰】在反馈延迟和硬件限制下混合射频FSO协同中继系统与同信道干扰资源【含Matlab源码 14926期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab武动乾坤博客之家&#x1f49e;…

别等系统“凉了”才响铃:聊聊延迟敏感系统的监控与报警设计

别等系统“凉了”才响铃&#xff1a;聊聊延迟敏感系统的监控与报警设计 大家好&#xff0c;我是 Echo_Wish。 如果你做的是离线数仓&#xff0c;昨天的任务今天修&#xff0c;问题不大&#xff1b; 但如果你碰的是延迟敏感系统——实时风控、实时推荐、在线交易、实时画像、广告…

AI原生应用时代,Claude的技术优势分析

AI原生应用时代&#xff0c;Claude的技术优势分析 关键词&#xff1a;AI原生应用、Claude、大语言模型、上下文窗口、企业级AI、多模态理解、安全隐私 摘要&#xff1a;当AI从“工具”进化为“原生系统”&#xff0c;应用开发逻辑正在经历革命性重构。本文将以“AI原生应用”为…

本地docker的解释器在pycharm进行调试

今天在使用pycharm进行调试时出现一个问题&#xff0c;即我解释器是在docker容器中&#xff0c;但是我需要在pycharm中进行调试&#xff0c;以下是实现方法docker容器中有相关环境在pycharm中做相关配置&#xff0c;具体参考如下需要配置三个地方第一个是本地应用程序文件&…

基于Maxwell建立的 8极12槽 110mm 外径 25mm 轴向长度 转速3000rpm...

基于Maxwell建立的 8极12槽 110mm 外径 25mm 轴向长度 转速3000rpm 功率600W 转矩2.3Nm 直流母线48V&#xff08;直接连接在农村用的三轮车上面取电&#xff09; 永磁同步电机极其设计模型&#xff0c;转矩脉动小(PMSM 和BLDC)。农村三轮车的电机升级一直是个技术活。最近帮老…

【风洞】风洞压力数据自动处理套件(计算气动系数Cp、Cl、Cd、Cm)【含Matlab源码 14921期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab领域博客之家&#x1f49e;&…

从零入门 Hadoop:分布式存储与计算实战指南

1. 引言&#xff1a;大数据时代的挑战与 Hadoop 的诞生 进入 21 世纪&#xff0c;人类数据量呈指数级增长。据 IDC 预测&#xff0c;2025 年全球数据总量将达 175 ZB&#xff08;1 ZB 10 亿 TB&#xff09;。传统关系型数据库&#xff08;如 Oracle、MySQL&#xff09;在面对…

灰狼算法优化SVM程序的C和G参数:提升分类性能

灰狼算法优化支持向量机程序(SVM程序)&#xff0c;优化C,G参数最近在调SVM分类器的时候发现C和G这两个参数是真的磨人——高斯核的带宽参数G控制模型复杂度&#xff0c;惩罚系数C决定对错分样本的容忍度。手动调参试了七八组数值&#xff0c;AUC指标跟抽风似的忽高忽低&#xf…

【光学】PML和PMC进行FDTD双缝干扰【含Matlab源码 14923期】含报告

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab领域博客之家&#x1f49e;&…

【土壤】估算土壤水分的土壤水分平衡模型【含Matlab源码 14920期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab武动乾坤博客之家&#x1f49e;…

【风洞】基于matlab风洞压力数据自动处理套件(计算气动系数Cp、Cl、Cd、Cm)【含Matlab源码 14921期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;欢迎来到海神之光博客之家&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49…

永磁同步电机自抗扰控制,ADRC,PID,PMSM,MATLAB Sumlink ,它是三闭环...

永磁同步电机自抗扰控制&#xff0c;ADRC&#xff0c;PID&#xff0c;PMSM&#xff0c;MATLAB Sumlink &#xff0c;它是三闭环得&#xff01;&#xff01;比其他的复杂很多&#xff0c;位置速度双环整合为一个整体采用二阶ADRC控制&#xff0c;电流环采用PID控制&#xff0c;永…

每日Java面试场景题知识点之-XXL-JOB分布式任务调度实践

每日Java面试场景题知识点之-XXL-JOB分布式任务调度实践 一、为什么企业需要分布式任务调度 在现代企业级Java开发中&#xff0c;定时任务无处不在。每天定时发送优惠券、批量统计账单、定时清理缓存等场景都是常见需求。传统的单机定时任务解决方案如Timer、Quartz、SpringTas…

【无人机通信】运动适应光束控制和人工噪声反窃听无人机通信【含Matlab源码 14912期】

&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;&#x1f49e;Matlab武动乾坤博客之家&#x1f49e;…