【2025刷题笔记】- 剩余银饰的重量

刷题笔记合集🔗

剩余银饰的重量

问题描述

块二手市场收集的银饰,每块银饰的重量都是正整数,收集到的银饰会被熔化用于打造新的饰品。

每一回合,从中选出三块最重的银饰,然后一起熔掉。

假设银饰的重量分别为 ,且 。那么熔掉的可能结果如下:

  • 如果 ,那么三块银饰都会被完全熔掉;
  • 如果 ,会剩余重量为 的银块无法被熔掉;
  • 如果 ,会剩余重量为 的银块无法被熔掉;
  • 如果 ,会剩余重量为 差值的银块无法被熔掉。

最后,

  • 如果剩余两块,返回较大的重量(若两块重量相同,返回任意一块皆可)
  • 如果只剩下一块,返回该块的重量
  • 如果没有剩下,就返回

输入格式

输入数据为两行:

  • 第一行为银饰数组长度
  • 第二行为 块银饰的重量,重量的取值范围为 ,重量之间使用空格隔开。

输出格式

如果剩余两块,返回较大的重量(若两块重量相同,返回任意一块皆可);

如果只剩下一块,返回该块的重量;

如果没有剩下,就返回

样例输入

3
1 1 1
3
3 7 10

样例输出

0
1

数据范围

样例 解释说明
样例1 选出1 1 1,得到 0,最终数组转换为 [],最后没有剩下银块,返回0
样例2 选出 3 7 10,需要计算 (7-3) 和 (10-7) 的差值,即(7-3)-(10-7)=1,所以数组转换为 [1],剩余一块,返回该块重量,返回1

题解

这道题目本质上是一个模拟题,需要按照题目给定的规则一步步处理银饰的熔化过程,直到不能继续为止。

处理逻辑:

  1. 将所有银饰按重量排序
  2. 每次取出三块最重的银饰,根据它们的关系计算熔化后剩余的银饰重量
  3. 如果有剩余,将剩余的银饰插入到已排序的数组中适当的位置
  4. 重复上述过程,直到剩余银饰数量小于3

当银饰数量少于3时,根据题目要求输出结果:

  • 如果剩余2块,返回较大的那块重量
  • 如果剩余1块,返回其重量
  • 如果没有剩余,返回0

这道题的关键在于理解熔化规则,尤其是最后一种情况:当三块银饰的重量都不相等时,剩余的银饰重量是两个差值的绝对差。举例来说,如果三块银饰重量为3、7、10,那么7-3=4,10-7=3,|4-3|=1,所以剩余银饰重量为1。

在实现上,时间复杂度主要取决于熔化的回合数。每回合我们要从数组中取出三个元素,并可能插入一个元素。假设最初有n个银饰,那么最多会进行⌊n/2⌋次熔化操作,因此时间复杂度大约为O(n²),因为每次插入操作最坏情况下需要O(n)时间。对于题目给定的n≤40的范围,这个复杂度是完全可以接受的。

参考代码

  • Python
import sys
input = lambda:sys.stdin.readline().strip()

# 读取输入
n = int(input())
weights = list(map(int, input().split()))

# 对银饰重量进行升序排序
weights.sort()

# 二分查找函数,用于找到合适的插入位置
def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    
    # 返回应该插入的位置
    return left

# 处理熔化过程
while len(weights) >= 3:
    # 取出最重的三块银饰
    z = weights.pop()
    y = weights.pop()
    x = weights.pop()
    
    # 计算熔化后剩余的银饰重量
    remain = abs((z - y) - (y - x))
    
    # 如果有剩余,将其插入到已排序的weights

剩余60%内容,订阅专栏后可继续查看/也可单篇购买

算法刷题笔记 文章被收录于专栏

本专栏收集并整理了一些刷题笔记

全部评论

相关推荐

2025-12-21 12:15
门头沟学院 Java
1、常见的方案有数据库自增ID、UUID、Redis生成和雪花算法。实际分布式场景下,雪花算法更常用,它将ID分为时间戳、机器ID和序列号三部分,性能高且趋势递增。但要注意时钟回拨问题,可通过记录上次生成时间戳或使用扩展版算法解决。2、雪花算法的ID在时间戳维度是递增的,但同一毫秒多机器生成的ID可能乱序。如需严格单调递增,可用数据库号段模式:服务启动时申请一个ID范围,内存分配用完后再次申请,这样单服务内ID严格递增。3、redo&nbsp;log是InnoDB的物理日志,崩溃恢复时重放提交的事务;undo&nbsp;log记录数据修改前的状态,用于回滚和MVCC读;binlog是MySQL&nbsp;Server层的逻辑日志,用于主从同步和数据备份。4、主库将变更写入binlog,从库通过IO线程拉取binlog到relay&nbsp;log,再由SQL线程重放SQL实现同步。5、优化索引时要减少回表和利用覆盖索引。索引失效常见于:违反最左前缀、对索引列计算、类型转换、LIKE左模糊匹配、OR连接非索引列等情况。6、InnoDB索引用B+树实现,联合索引按字段从左到右排序。如果跳过左侧字段,因为b的值在全局无序,无法利用索引快速定位,导致失效。7、当元素少且小时,用压缩列表节省内存;当元素多或大时,自动转为&nbsp;"跳跃表+字典"&nbsp;组合。跳跃表负责按分值排序,支持高效范围查询;字典负责成员到分值的映射,实现O(1)快速查分数。这种设计平衡了内存与性能。8、跳表插入节点时,从最高层向右向下逐层搜索并记录小于目标的分值位置(update[]);随后随机生成新节点层高,创建节点并按层将其插入:每层链接到对应update[]节点之后,并指向其原后继;最后更新跳表的最大层高和节点总数,实现高效定位与平衡插入。9、Redis有6种淘汰策略,常用的是allkeys-lru和allkeys-lfu。LRU淘汰最近最少访问的,LFU淘汰访问频率最低的。LFU更适合长期热点场景,而LRU对突发流量更敏感。10、Redis用惰性删除+定期删除组合:访问key时检查过期,同时后台定期抽样清理过期key。当内存不足时,再根据淘汰策略主动删除数据。11、TCP通过滑动窗口实现流量控制:接收方在ACK包中携带窗口大小。发送方根据这个窗口动态调整发送数据量,避免接收方缓冲区溢出。
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务