当前位置: 首页 > news >正文

题解:洛谷 B4551 [GESP202606 一级] 去旅行

【题目来源】

洛谷:B4551 [GESP202606 一级] 去旅行 - 洛谷

【题目描述】

快暑假了,小杨同学正在计划出去旅行,前往目的地的方案多种多样,小杨同学想知道如何前往目的地最便宜。

小杨同学住在A AA市,旅行目的地是B BB市,小杨同学前往目的地有三种方案:

  1. A AA市直飞B BB市;
  2. A AA市坐高铁到C CC市,然后坐飞机到B BB市;
  3. A AA市坐高铁到C CC市,然后坐高铁到B BB市。

请帮小杨同学求出最便宜的出行方案的价格。

【输入】

输入包含4 44行,每行一个正整数:

  • 1 11行的正整数表示「从A AA市直飞B BB市」的价格;
  • 2 22行的正整数表示「从A AA市坐高铁到C CC市」的价格;
  • 3 33行的正整数表示「从C CC市坐飞机到B BB市」的价格;
  • 4 44行的正整数表示「从C CC市坐高铁到B BB市」的价格。

【输出】

输出一个正整数,表示3 33种方式中,最便宜的出行方案的价格。

【输入样例】

999 105 699 588

【输出样例】

693

【核心思想】

  1. 问题分析:给定三种出行方案的价格构成,需要求最小花费。方案1为直飞价格a aa;方案2为两段价格之和b + c b + cb+c(高铁到C CC市再飞机到B BB市);方案3为两段价格之和b + d b + db+d(高铁到C CC市再高铁到B BB市)。问题本质是三个数值的最小值比较。

  2. 算法选择

    • 直接比较:计算三种方案的总价,取最小值
  3. 关键步骤

    • 读取输入a aaA → B A \to BAB直飞)、b bbA → C A \to CAC高铁)、c ccC → B C \to BCB飞机)、d ddC → B C \to BCB高铁)
    • 计算方案价格
      • 方案1:P 1 = a P_1 = aP1=a
      • 方案2:P 2 = b + c P_2 = b + cP2=b+c
      • 方案3:P 3 = b + d P_3 = b + dP3=b+d
    • 输出最小值min ⁡ ( P 1 , P 2 , P 3 ) \min(P_1, P_2, P_3)min(P1,P2,P3)
  4. 时间/空间复杂度

    • 时间复杂度:O ( 1 ) O(1)O(1),固定次数的输入和比较操作
    • 空间复杂度:O ( 1 ) O(1)O(1),仅使用四个变量
  5. 入门模拟的核心思想

    • 问题转化:将复杂的出行方案描述抽象为简单的算术表达式,方案2和方案3共享第一段b bb,但比较时无需利用此特性,直接计算总和即可
    • 多值取最小:利用min函数(或手写比较)直接对三个表达式求最小,避免冗余的if-else分支
    • 无后效性:三种方案相互独立,不存在选择某方案后影响其他方案的情况,因此无需动态规划或贪心策略
    • 适用于方案数极少、各方案价格可直接计算的简单决策问题

【算法标签】

#入门 #模拟

【代码详解】

#include<bits/stdc++.h>usingnamespacestd;inta,b,c,d;// a: A直飞B的价格; b: A高铁到C的价格; c: C飞机到B的价格; d: C高铁到B的价格intmain(){cin>>a>>b>>c>>d;// 读入四种交通方式的价格cout<<min({a,b+c,b+d});// 输出三种方案的最小值:直飞 / 高铁+飞机 / 高铁+高铁return0;}

【运行结果】

999 105 699 588 693
http://www.jsqmd.com/news/1122910/

相关文章:

  • 基于YOLOv8的试剂盒检测结果智能识别系统开发
  • 专科生学术写作:AI检测工具横评与降AI实战指南
  • 10个你每天都在用却浑然不觉的AI日常场景
  • 智能体技术开发指南:从原理到实践
  • MLOps模型监控与持续运维实战:数据漂移检测与自动重训练
  • 机器学习基础:从概念到实战的完整指南
  • SUMO交通仿真与机器学习融合实践指南
  • 数据为中心的AI建模:从分布对齐到工业落地的实战方法论
  • 向量数据库与嵌入模型在RAG系统中的实战应用
  • 多维聚合中的数据操作:粒度、空值与维度对齐实战指南
  • 基于TM4C123GH6PZ与UG95 LoRa的工业远程通信节点设计
  • Python人脸识别系统开发实战:从原理到部署
  • 基于YOLOv12的疲劳驾驶检测系统设计与实现
  • VLA模型灾难性遗忘的三大工程解法:NoTVLA、InstructVLA与VLM2VLA
  • LeetDown深度解析:让旧iPhone重获新生的macOS降级革命
  • 机器学习科研导航系统:实时追踪arXiv/GitHub/Reddit三维信号
  • 阿里云PAI平台:机器学习全流程实战指南
  • FPGA加速脉冲神经网络:FireFly-P架构与机器人控制实践
  • XGBoost与TOC算法优化时间序列预测实战
  • 基于YOLOv11的宠物智能监护系统开发实战
  • 零代码接入DeepSeek:低成本AI编程助手配置指南
  • 终极汉化指南:5步让NVIDIA Profile Inspector说中文,解锁显卡隐藏设置
  • Python+OpenCV实现轻量级人脸识别系统
  • 专业CANopen协议栈深度解析:工业自动化通信的瑞士军刀
  • Windows触控板革命:mac-precision-touchpad如何重新定义Apple设备跨平台体验
  • 2026年MBA必备AI工具指南与实战测评
  • 遗传算法工程实践:从原理到稳定收敛的参数设计手册
  • 2026企业级AI编程:重构软件交付的五大能力图谱
  • CNN-GRU结合SE注意力机制的时间序列预测实战
  • LlamaIndex实战:RAG系统中的向量存储与检索优化