当前位置: 首页 > news >正文

华为OD机试双机位C卷 - 魔法收积木 (C++ Python JAVA JS GO)

魔法收积木

2025华为OD机试双机位C卷 - 华为OD上机考试双机位C卷 200分题型

华为OD机试双机位C卷真题目录点击查看: 华为OD机试双机位C卷真题题库目录|机考题库 + 算法考点详解

题目描述

考友反馈题目大意:现在有n堆积木,每堆积木都有正整数数量,魔法一次可以把积木数量一致的积木堆砍半,要求出使用魔法收完积木堆的最少要用多少次魔法。

输入描述

第一行输入n代表积木的堆数

第二行输入:n个正整数,用空格分割,表示每堆积木的个数。

输出描述

输出使用魔法收完积木堆的最少要用多少次魔法。

用例1

输入

4 4 4 4 4

输出

3

用例2

输入

2 3 4

输出

4

题解

思路:贪心

  1. 魔法一次可以把积木数量一致的积木堆砍半,为了让使用魔法次数少,就是尽可能让一次魔法处理尽量多堆的积木。
  2. 基于1,可以推导得到先将最大的值砍半,尽可能让它和小的值一同进行处理
  3. 这道题的基本逻辑就是:
    1. 统计所有积木堆,使用哈希表存储不同大小积木堆的个数,
    2. 每次将积木最多堆数量(x)砍半,使用魔法数量+1,更新哈希表mp[x/2] += mp[x]
    3. 不断重复2的逻辑直到所有堆积木数量都变为0结束。
  4. 根据3的逻辑,主要是跟踪最大积木数量,对于java和C++都有对用的map使用,python、c++和go可以使用优先队列 + map去处理。

c++

#include<iostream> #include<vector> #include<string> #include <utility> #include <sstream> #include<algorithm> #include<cmath> #include<map> using namespace std; int main() { ios::sync_with_stdio(false); cin.tie(nullptr); int n; cin >> n; // 会自动按照key排序 记录不同数量积木数量 map<long, long> mp; for (int i = 0; i < n; i++) { long cnt; cin >> cnt; mp[cnt]++; } // 结果 long ans = 0; while (!mp.empty()) { auto it = prev(mp.end()); long x= it->first; long cnt = it->second; mp.erase(it); ans++; long nextX = x >> 1; if (nextX > 0) { mp[nextX] += cnt; } } cout << ans; return 0; }

JAVA

import java.io.*; import java.util.*; public class Main { public static void main(String[] args) throws Exception { BufferedReader br = new BufferedReader(new InputStreamReader(System.in)); StringTokenizer st; int n = Integer.parseInt(br.readLine().trim()); // TreeMap:有序 map,等价于 C++ map // key:积木数量,value:该数量出现的次数 TreeMap<Long, Long> mp = new TreeMap<>(); st = new StringTokenizer(br.readLine()); for (int i = 0; i < n; i++) { long x = Long.parseLong(st.nextToken()); mp.put(x, mp.getOrDefault(x, 0L) + 1); } long ans = 0; while (!mp.isEmpty()) { // 取当前最大 key(等价于 prev(mp.end())) Map.Entry<Long, Long> entry = mp.lastEntry(); long x = entry.getKey(); long cnt = entry.getValue(); mp.pollLastEntry(); // 删除最大 key ans++; long nextX = x >> 1; if (nextX > 0) { mp.put(nextX, mp.getOrDefault(nextX, 0L) + cnt); } } System.out.println(ans); } }

Python

importsysimportheapqfromcollectionsimportCounterdefmain():# 读取全部输入data=sys.stdin.read().strip().split()n=int(data[0])nums=list(map(int,data[1:1+n]))# 统计每种积木数量出现次数cnt=Counter(nums)# 用最大堆模拟取最大 key, python默认是最小堆,所以使用负数heap=[-xforxincnt.keys()]heapq.heapify(heap)ans=0whileheap:x=-heapq.heappop(heap)c=cnt.pop(x)ans+=1nx=x>>1ifnx>0:ifnxnotincnt:heapq.heappush(heap,-nx)cnt[nx]+=cprint(ans)if__name__=="__main__":main()

JavaScript

'use strict';constreadline=require('readline');constrl=readline.createInterface({input:process.stdin,output:process.stdout});letlines=[];rl.on('line',line=>{if(line.trim())lines.push(line.trim());});// 手写最大堆classMaxHeap{constructor(){this.data=[];}size(){returnthis.data.length;}// 插入元素push(val){this.data.push(val);this._siftUp(this.data.length-1);}// 弹出最大元素pop(){if(this.data.length===0)returnnull;consttop=this.data[0];constlast=this.data.pop();if(this.data.length>0){this.data[0]=last;this._siftDown(0);}returntop;}_siftUp(i){while(i>0){constp=Math.floor((i-1)/2);if(this.data[i]<=this.data[p])break;[this.data[i],this.data[p]]=[this.data[p],this.data[i]];i=p;}}_siftDown(i){constn=this.data.length;while(true){letmaxIdx=i;constl=2*i+1,r=2*i+2;if(l<n&&this.data[l]>this.data[maxIdx])maxIdx=l;if(r<n&&this.data[r]>this.data[maxIdx])maxIdx=r;if(maxIdx===i)break;[this.data[i],this.data[maxIdx]]=[this.data[maxIdx],this.data[i]];i=maxIdx;}}}rl.on('close',()=>{letidx=0;constn=Number(lines[idx++]);constnums=lines[idx].split(/\s+/).map(Number);// Map: 记录每种积木数量出现的次数constmp=newMap();for(leti=0;i<n;i++){constx=nums[i];mp.set(x,(mp.get(x)||0)+1);}constheap=newMaxHeap();for(constkeyofmp.keys())heap.push(key);letans=0;while(heap.size()>0){// 最大数量个数letx=heap.pop();constcnt=mp.get(x);mp.delete(x);ans++;constnextX=x>>1;if(nextX>0){if(!mp.has(nextX))heap.push(nextX);mp.set(nextX,(mp.get(nextX)||0)+cnt);}}console.log(ans);});

Go

packagemainimport("bufio""container/heap""fmt""os")// 最大堆(int64)typeMaxHeap[]int64func(h MaxHeap)Len()int{returnlen(h)}func(h MaxHeap)Less(i,jint)bool{returnh[i]>h[j]}// 大顶堆func(h MaxHeap)Swap(i,jint){h[i],h[j]=h[j],h[i]}func(h*MaxHeap)Push(xinterface{}){*h=append(*h,x.(int64))}func(h*MaxHeap)Pop()interface{}{old:=*h n:=len(old)x:=old[n-1]*h=old[:n-1]returnx}funcmain(){in:=bufio.NewReader(os.Stdin)varnintfmt.Fscan(in,&n)// 记录不同数量积木数量mp:=make(map[int64]int64)// 最大堆h:=&MaxHeap{}heap.Init(h)fori:=0;i<n;i++{varxint64fmt.Fscan(in,&x)ifmp[x]==0{heap.Push(h,x)}mp[x]++}// 结果varansint64=0forh.Len()>0{// 取最大x:=heap.Pop(h).(int64)ifmp[x]==0{continue}cnt:=mp[x]delete(mp,x)ans++nx:=x>>1ifnx>0{ifmp[nx]==0{heap.Push(h,nx)}mp[nx]+=cnt}}fmt.Println(ans)}
http://www.jsqmd.com/news/166341/

相关文章:

  • 【vLLM 学习】Reproduciblity
  • Miniconda-Python3.9环境下批量安装常用AI库(PyTorch/TensorFlow/scikit-learn)
  • Java对象头(Object Header)
  • PyTorch DataLoader性能瓶颈排查:从Miniconda环境入手
  • 2025年AI行业热点:应用层核心技术人才年薪破百万,字节跳动、腾讯等巨头争相布局黄金赛道!
  • PyTorch Geometric等扩展库在Miniconda-Python3.9中的安装方法
  • PyTorch自定义算子开发环境搭建:Miniconda-Python3.9指南
  • 「地质约束显式+数据驱动模型」的新路径,浙江大学团队实现跨区域矿产远景预测性能和可解释性提升
  • PyTorch批处理任务调度:Miniconda-Python3.9环境自动化脚本
  • Miniconda-Python3.9结合Markdown编写可执行AI技术文档
  • PyTorch QoS保障机制:基于Miniconda-Python3.9环境实现
  • 2025年AI领域全景观察:从大模型突破到Agent架构,开发者必读的技术趋势指南!
  • PyTorch模型微调任务的最佳Miniconda-Python3.9配置方案
  • 收藏!大模型入门避坑指南:小白/程序员专属学习路径+全套资源清单
  • PyTorch实验日志记录系统搭建:Miniconda-Python3.9基础环境
  • 从Manus被Meta收购看AI创业浪潮,普通程序员如何抓住大模型时代红利?
  • Miniconda-Python3.9环境下实现PyTorch模型差分隐私训练
  • PyTorch模型剪枝与蒸馏实验环境:Miniconda-Python3.9搭建
  • 吃透可编程控制器,可编程控制器基本知识介绍
  • 从运营到AI产品经理:3个月自学转型之路,揭秘原型图、数据分析与AI理论三大技能的学习路径!
  • PyTorch概念漂移适应机制:Miniconda-Python3.9环境实验
  • PyTorch模型注册中心对接:Miniconda-Python3.9环境准备
  • 收藏!一文理清LangChain、LangGraph与DeepAgents:AI智能体开发三层体系拆解
  • PyTorch自动微分机制验证:Miniconda-Python3.9环境实操
  • Miniconda-Python3.9是否支持PyTorch 2.x最新特性体验?
  • PyTorch异步推理任务处理:Miniconda-Python3.9环境队列设计
  • 揭秘背后真相:为何大厂都在秘密布局AI Agent?普通人如何以低成本加入这场科技革命
  • 大湾区创业者社群推荐:选对圈子,让创业少走弯路 - 黑马榜单
  • Miniconda-Python3.9环境下使用PyTorch进行张量运算测试
  • Miniconda-Python3.9环境下验证PyTorch是否成功启用GPU