[蓝桥杯]三体攻击
三体攻击
题目描述
三体人将对地球发起攻击。为了抵御攻击,地球人派出 A × B × CA × B × C 艘战舰,在太空中排成一个 AA 层 BB 行 CC 列的立方体。其中,第 ii 层第 jj 行第 kk 列的战舰(记为战舰 (i, j, k)(i, j, k))的生命值为 d(i, j, k)d(i, j, k)。
三体人将会对地球发起 mm 轮"立方体攻击",每次攻击会对一个小立方体中的所有战舰都造成相同的伤害。具体地,第 tt 轮攻击用 7 个参数 lat, rat, lbt, rbt, lct, rct, htlat, rat, lbt, rbt, lct, rct, ht 描述;
所有满足 i ∈ [lat, rat],j ∈ [lbt, rbt],k ∈ [lct, rct]i ∈ [lat, rat],j ∈ [lbt, rbt],k ∈ [lct, rct] 的战舰 (i, j, k)(i, j, k) 会受到 htht 的伤害。如果一个战舰累计受到的总伤害超过其防御力,那么这个战舰会爆炸。
地球指挥官希望你能告诉他,第一艘爆炸的战舰是在哪一轮攻击后爆炸的。
输入描述
输入格式:
第一行包括 4 个正整数 A, B, C, mA, B, C, m;
第二行包含 A × B × CA × B × C 个整数,其中第((i − 1)×B + (j − 1)) × C + (k − 1)+1((i − 1)×B + (j − 1)) × C + (k − 1)+1 个数为 d(i, j, k)d(i, j, k);
第 3 到第 mm + 2 行中,第 (t − 2)(t − 2) 行包含 7 个正整数 lat, rat, lbt, rbt, lct, rct, htlat, rat, lbt, rbt, lct, rct, ht。
其中, A × B × C ≤ 106, m ≤ 106, 0 ≤ d(i, j, k), ht ≤ 109A × B × C ≤ 106, m ≤ 106, 0 ≤ d(i, j, k), ht ≤ 109。
输出描述
输出第一个爆炸的战舰是在哪一轮攻击后爆炸的。保证一定存在这样的战舰。
输入输出样例
示例
输入
2 2 2 3
1 1 1 1 1 1 1 1
1 2 1 2 1 1 1
1 1 1 2 1 2 1
1 1 1 1 1 1 2
输出
2
运行限制
- 最大运行时间:2s
- 最大运行内存: 256M
总通过次数: 1178 | 总提交次数: 1761 | 通过率: 66.9%
难度: 困难 标签: 2018, 差分, 省赛
算法思路:三维差分 + 二分查找
核心思想
- 问题本质:在三维空间中执行区间修改(增加伤害值),并找到第一次有战舰生命值≤0的攻击轮次
- 关键挑战:直接暴力模拟复杂度为O(m·ABC),高达10¹²,会超时
- 优化策略:
- 三维差分:将区间修改转化为8个端点的O(1)操作
- 二分查找:利用伤害累积的单调性,在O(logm)时间内定位爆炸轮次
- 前缀和还原:差分数组通过三维前缀和计算实际伤害值
代码实现(C++)
#include <iostream>
#include <cstring>
using namespace std;
typedef long long LL;const int MAXN = 1e6 + 10;
int A, B, C, m;
LL s[MAXN]; // 存储初始生命值
LL diff[MAXN]; // 三维差分数组
int attacks[MAXN][7]; // 存储攻击参数// 三维坐标转一维索引
inline int get_idx(int i, int j, int k) {return i * (B + 2) * (C + 2) + j * (C + 2) + k;
}// 原始生命值索引
inline int get_orig_idx(int i, int j, int k) {return (i - 1) * B * C + (j - 1) * C + (k - 1);
}// 检查前mid轮攻击是否导致爆炸
bool check(int mid) {memset(diff, 0, sizeof(diff));// 1. 应用差分修改for (int t = 0; t < mid; ++t) {int lat = attacks[t][0], rat = attacks[t][1];int lbt = attacks[t][2], rbt = attacks[t][3];int lct = attacks[t][4], rct = attacks[t][5];LL ht = attacks[t][6];diff[get_idx(lat, lbt, lct)] += ht;diff[get_idx(rat + 1, lbt, lct)] -= ht;diff[get_idx(lat, rbt + 1, lct)] -= ht;diff[get_idx(lat, lbt, rct + 1)] -= ht;diff[get_idx(rat + 1, rbt + 1, lct)] += ht;diff[get_idx(rat + 1, lbt, rct + 1)] += ht;diff[get_idx(lat, rbt + 1, rct + 1)] += ht;diff[get_idx(rat + 1, rbt + 1, rct + 1)] -= ht;}// 2. 三维前缀和计算// k方向for (int i = 1; i <= A; ++i)for (int j = 1; j <= B; ++j)for (int k = 1; k <= C; ++k)diff[get_idx(i, j, k)] += diff[get_idx(i, j, k - 1)];// j方向for (int i = 1; i <= A; ++i)for (int k = 1; k <= C; ++k)for (int j = 1; j <= B; ++j)diff[get_idx(i, j, k)] += diff[get_idx(i, j - 1, k)];// i方向for (int j = 1; j <= B; ++j)for (int k = 1; k <= C; ++k)for (int i = 1; i <= A; ++i)diff[get_idx(i, j, k)] += diff[get_idx(i - 1, j, k)];// 3. 检查是否爆炸for (int i = 1; i <= A; ++i)for (int j = 1; j <= B; ++j)for (int k = 1; k <= C; ++k) {int orig_idx = get_orig_idx(i, j, k);if (diff[get_idx(i, j, k)] > s[orig_idx])return true;}return false;
}int main() {scanf("%d%d%d%d", &A, &B, &C, &m);int total = A * B * C;// 读入初始生命值for (int i = 0; i < total; ++i)scanf("%lld", &s[i]);// 读入攻击参数for (int i = 0; i < m; ++i)for (int j = 0; j < 7; ++j)scanf("%d", &attacks[i][j]);// 二分查找爆炸轮次int L = 1, R = m;while (L < R) {int mid = (L + R) >> 1;if (check(mid)) R = mid;else L = mid + 1;}printf("%d\n", L);return 0;
}
代码解析
- 坐标映射:
get_idx()
:三维坐标→一维索引(用于差分数组)get_orig_idx()
:原始生命值存储位置计算
- 差分操作:
- 每轮攻击转化为8个端点的修改操作(4个加伤害,4个减伤害)
- 前缀和计算:
- 分三个维度递推计算实际伤害值:
- 先k方向(固定i,j)
- 再j方向(固定i,k)
- 最后i方向(固定j,k)
- 分三个维度递推计算实际伤害值:
- 二分框架:
- 右边界
R
维护首次爆炸轮次 - 左边界
L
维护未爆炸的轮次
- 右边界
实例验证
输入样例:
2 2 2 3
1 1 1 1 1 1 1 1
1 2 1 2 1 1 1
1 1 1 2 1 2 1
1 1 1 1 1 1 2
执行过程:
- 第一轮攻击后:
- 伤害分布:4个位置伤害=1
- 最小生命值:1-1=0 → 未爆炸
- 第二轮攻击后:
- 伤害分布:(1,1,1)=2, (1,2,1)=2
- 最小生命值:1-2=-1 → 爆炸
- 二分输出:2(符合预期)
测试点设计
测试类型 | 输入特征 | 验证重点 |
---|---|---|
最小规模 | A=B=C=1, m=1 | 单点修改正确性 |
边界攻击 | 攻击区域包含所有战舰 | 整体修改正确性 |
跨层攻击 | 攻击跨越不同层 | 三维差分边界处理 |
最大数据量 | A=1000,B=100,C=10, m=10⁶ | 时间限制内完成(<1s) |
精确爆炸点 | 多轮攻击后精确达到0 | 不提前触发爆炸判断 |
生命值临界 | d(i,j,k)=10⁹, ht=1 | 大整数处理 |
优化建议
-
内存优化:
// 动态分配差分数组 LL* diff = new LL[(A+2)*(B+2)*(C+2)]();
减少固定数组大小,根据输入动态分配
-
时间优化:
// 循环展开(i方向) #pragma unroll(4) for (int i = 1; i <= A; ++i)
编译器指令展开循环,减少分支预测开销
-
二分优化:
// 指数增长搜索 int step = 1; while (!check(step) step *= 2; int L = step/2, R = min(step, m);
先指数增长确定范围,再二分
-
差分压缩:
// 合并相同修改 if (ht == prev_ht && region_overlap(...)) merge_attacks();
合并连续相同伤害值的攻击,减少操作次数
相关文章:
[蓝桥杯]三体攻击
三体攻击 题目描述 三体人将对地球发起攻击。为了抵御攻击,地球人派出 A B CA B C 艘战舰,在太空中排成一个 AA 层 BB 行 CC 列的立方体。其中,第 ii 层第 jj 行第 kk 列的战舰(记为战舰 (i, j, k)(i, j, k)&am…...
深入解析支撑向量机(SVM):原理、推导与实现
在机器学习领域,支撑向量机(Support Vector Machine,简称SVM)是一种广泛使用的分类算法,以其强大的分类性能和优雅的数学原理而备受关注。本文将从问题定义、数学推导到实际应用,深入解析SVM的核心原理和实…...

一台电脑联网如何共享另一台电脑?网线方式
前言 公司内网一个人只能申请一个账号和一个主机设备;会检测MAC地址;如果有两台设备,另一台就没有网;因为是联想老电脑,共享热点用不了,但是有一根网线,现在解决网线方式共享网络; …...
面试题:SQL 中如何将 多行合并为一行(合并行数据为列)?
✅ 面试题:SQL 中如何将 多行合并为一行(合并行数据为列)? 这是面试和实战中非常常见的场景,属于“行列转换”问题之一,常用于报表聚合、分类汇总、透视表生成等。 go专栏:https://duoke360.co…...

MacroDroid安卓版:自动化操作,让生活更智能
在智能手机的日常使用中,我们常常会遇到一些重复性的任务,如定时开启或关闭Wi-Fi、自动回复消息、根据位置调整音量等。这些任务虽然简单,但频繁操作会让人感到繁琐。MacroDroid安卓版正是为了解决这些问题而设计的,它是一款功能强…...

力提示(force prompting)的新方法
每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领…...

【Redis实战:缓存与消息队列的应用】
在现代互联网开发中,Redis 作为一款高性能的内存数据库,广泛应用于缓存和消息队列等场景。本文将深入探讨 Redis 在这两个领域的应用,并通过代码示例比较两个流行的框架(Redis 和 RabbitMQ)的特点与适用场景࿰…...

实验设计与分析(第6版,Montgomery著,傅珏生译) 第10章拟合回归模型10.9节思考题10.12 R语言解题
本文是实验设计与分析(第6版,Montgomery著,傅珏生译) 第10章拟合回归模型10.9节思考题10.12 R语言解题。主要涉及线性回归、回归的显著性、残差分析。 10-12 vial <- seq(1, 12, 1) Viscosity <- c(26,24,175,160,163,55,62,100,26,30…...
基于LangChain构建高效RAG问答系统:向量检索与LLM集成实战
基于LangChain构建高效RAG问答系统:向量检索与LLM集成实战 在本文中,我将详细介绍如何使用LangChain框架构建一个完整的RAG(检索增强生成)问答系统。通过向量检索获取相关上下文,并结合大语言模型,我们能够…...

告别局域网:实现NASCab云可云远程自由访问
文章目录 前言1. 检查NASCab本地端口2. Qindows安装Cpolar3. 配置NASCab远程地址4. 远程访问NASCab小结 5. 固定NASCab公网地址6. 固定地址访问NASCab 前言 在数字化生活日益普及的今天,拥有一个属于自己的私有云存储(如NASCab云可云)已成为…...
25_05_29docker
Linux_docker篇 欢迎来到Linux的世界,看笔记好好学多敲多打,每个人都是大神! 题目: 版本号: 1.0,0 作者: 老王要学习 日期: 2025.04.25 适用环境: Centos7 文档说明 环境准备 硬件要求 服务器: 2核CPU、2GB内存…...
Java-IO流之缓冲流详解
Java-IO流之缓冲流详解 一、缓冲流概述1.1 什么是缓冲流1.2 缓冲流的工作原理1.3 缓冲流的优势 二、字节缓冲流详解2.1 BufferedInputStream2.1.1 构造函数2.1.2 核心方法2.1.3 使用示例 2.2 BufferedOutputStream2.2.1 构造函数2.2.2 核心方法2.2.3 使用示例 三、字符缓冲流详…...
vscode code runner 使用python虚拟环境
转载如下: zVS Code插件Code Runner使用python虚拟环境_coderunner python-CSDN博客...

Python实现markdown文件转word
1.markdown内容如下: 2.转换后的内容如下: 3.附上代码: import argparse import os from markdown import markdown from bs4 import BeautifulSoup from docx import Document from docx.shared import Inches from docx.enum.text import …...

NLP学习路线图(十七):主题模型(LDA)
在浩瀚的文本海洋中航行,人类大脑天然具备发现主题的能力——翻阅几份报纸,我们迅速辨别出"政治"、"体育"、"科技"等板块;浏览社交媒体,我们下意识区分出美食分享、旅行见闻或科技测评。但机器如何…...
深度学习之模型压缩三驾马车:基于ResNet18的模型剪枝实战(2)
前言 《深度学习之模型压缩三驾马车:基于ResNet18的模型剪枝实战(1)》里面我只是提到了对conv1层进行剪枝,只是为了验证这个剪枝的整个过程,但是后面也有提到:仅裁剪 conv1层的影响极大,原因如…...

综采工作面电控4X型铜头连接器 conm/4x100s
综采工作面作为现代化煤矿生产的核心区域,其设备运行的稳定性和安全性直接关系到整个矿井的生产效率。在综采工作面的电气控制系统中,电控连接器扮演着至关重要的角色,而4X型铜头连接器CONM/4X100S作为其中的关键部件,其性能优劣直…...

用ApiFox MCP一键生成接口文档,做接口测试
日常开发过程中,尤其是针对长期维护的老旧项目,许多开发者都会遇到一系列相同的困扰:由于项目早期缺乏严格的开发规范和接口管理策略,导致接口文档缺失,甚至连基本的接口说明都难以找到。此外,由于缺乏规范…...

在compose中的Canvas用kotlin显示多数据波形闪烁的问题
在compose中的Canvas显示多数据波形闪烁的问题:当在Canvas多组记录波形数组时,从第一组开始记录多次显示,如图,当再次回到第一次记录位置再显示时,波形出现闪烁。 原码如下: data class DcWaveForm(var b…...

【学习笔记】MIME
文章目录 1. 引言2. MIME 构成Content-Type(内容类型)Content-Transfer-Encoding(传输编码)Multipart(多部分) 3. 常见 MIME 类型 1. 引言 早期的电子邮件只能发送 ASCII 文本,无法直接传输二进…...
【深尚想】OPA855QDSGRQ1运算放大器IC德州仪器TI汽车级高速8GHz增益带宽的全面解析
1. 元器件定义与核心特性 OPA855QDSGRQ1 是德州仪器(TI)推出的一款 汽车级高速运算放大器,专为宽带跨阻放大(TIA)和电压放大应用优化。核心特性包括: 超高速性能:增益带宽积(GBWP&a…...

单北斗定位芯片AT9880B
AT9880B 是面向北斗卫星导航系统的单模接收机单芯片(SOC),内部集成射频前端、数字基带处理单元、北斗多频信号处理引擎及电源管理模块,支持北斗二号与三号系统的 B1I、B1C、B2I、B3I、B2a、B2b 频点信号接收。 主要特征 支持北斗二…...

旅游微信小程序制作指南
想创建旅游微信小程序吗?知道旅游业企业怎么打造自己的小程序吗?这里有零基础小白也能学会的教程,教你快速制作旅游类微信小程序! 旅游行业能不能开发微信小程序呢?答案是肯定的。微信小程序对旅游企业来说可是个宝&am…...

Ubuntu ifconfig 查不到ens33网卡
BUG:ifconfig查看网络配置信息: 终端输入以下命令: sudo service network-manager stop sudo rm /var/lib/NetworkManager/NetworkManager.state sudo service network-manager start - service network - manager stop :停止…...
zookeeper 学习
Zookeeper 简介 github:https://github.com/apache/zookeeper 官网:https://zookeeper.apache.org/ 什么是 Zookeeper Zookeeper 是一个开源的分布式协调服务,用于管理分布式应用程序的配置、命名服务、分布式同步和组服务。其核心是通过…...

【python深度学习】Day 45 Tensorboard使用介绍
知识点: tensorboard的发展历史和原理tensorboard的常见操作tensorboard在cifar上的实战:MLP和CNN模型 效果展示如下,很适合拿去组会汇报撑页数: 作业:对resnet18在cifar10上采用微调策略下,用tensorboard监…...

【图像处理入门】5. 形态学处理:腐蚀、膨胀与图像的形状雕琢
摘要 形态学处理是基于图像形状特征的处理技术,在图像分析中扮演着关键角色。本文将深入讲解腐蚀、膨胀、开闭运算等形态学操作的原理,结合OpenCV代码展示其在去除噪声、提取边缘、分割图像等场景的应用,带你掌握通过结构元素雕琢图像形状的核心技巧。 一、形态学处理:基…...

并行智算MaaS云平台:打造你的专属AI助手,开启智能生活新纪元
目录 引言:AI助手,未来生活的必备伙伴 并行智算云:大模型API的卓越平台 实战指南:调用并行智算云API打造个人AI助手 3.1 准备工作 3.2 API调用示例 3.3 本地智能AI系统搭建 3.4 高级功能实现 并行智算云的优势 4.1 性能卓越…...
在 SpringBoot+Tomcat 环境中 线程安全问题的根本原因以及哪些变量会存在线程安全的问题。
文章目录 前言Tomcat SpringBoot单例加载结果分析多例加载:结果分析: 哪些变量存在线程安全的问题?线程不安全线程安全 总结 前言 本文带你去深入理解为什么在web环境中(Tomcat SpringBoot)会存在多线程的问题以及哪些变量会存在线程安全的…...

Day45 Python打卡训练营
知识点回顾: 1. tensorboard的发展历史和原理 2. tensorboard的常见操作 3. tensorboard在cifar上的实战:MLP和CNN模型 一、tensorboard的基本操作 1.1 发展历史 TensorBoard 是 TensorFlow 生态中的官方可视化工具(也可无缝集成 PyTorch&…...