【C++】青蛙跳跃问题解析与解法

文章目录
- 💯前言
- 💯题目描述
- 第一部分:基本青蛙过河问题
- 第二部分:石柱和荷叶问题
- 💯解题思路与分析
- 第一部分:青蛙过河问题
- 解法思路:递归拆解
- 第二部分:最多能跳多少只青蛙
- 思路与公式推导
- 💯代码实现
- 递归函数实现
- 示例输出
- 💯递归的理解与优化
- 优化思路
- 💯小结

💯前言
- 青蛙跳跃问题是一道经典的递归与路径优化题目,考察了递归思维、问题分解能力以及逻辑推理能力。在本篇文章中,我们将详细分析题目的背景、题目规则、解决方案、代码实现以及优化思路。
通过逐步拆解问题和总结规律,帮助读者深入理解递归的本质以及其在路径问题中的应用。本文不仅关注基本解法,还会深入探讨题目的扩展性和优化空间,力求帮助读者掌握这种递归思维在实际问题中的应用。
C++ 参考手册

💯题目描述
本题分为两个部分,分别如下:
第一部分:基本青蛙过河问题
题目背景:
(2000年全国青少年信息学奥林匹克试题)
一条小溪尺寸不大,青蛙可以从左岸跳到右岸。在左岸有一石柱 L,面积只容得下一只青蛙落脚;同样,右岸也有一石柱 R,面积也只容得下一只青蛙落脚。有一队青蛙从尺寸上一个比一个小。我们将青蛙从小到大,用 1, 2, …, n 编号。
要求:
- 初始时青蛙只能跳到左岸的石柱 L 上,按编号一个落一个,小的青蛙落在大的青蛙上面。不允许大的在小的上面。
- 将所有青蛙从 L 移动到 R,保持大小顺序不变。
分析重点:
这个问题与经典的汉诺塔问题极其相似,可以通过递归来解决。我们需要借助中间的石柱或荷叶,逐步将青蛙从左岸移动到右岸。
第二部分:石柱和荷叶问题
新增规则:
- 青蛙从左岸 L 跳出后,不允许再跳回左岸。
- 青蛙跳到右岸 R 或中途的荷叶/石柱后,也不能再离开。
已知条件:
- 溪中有 ( s ) 根石柱和 ( y ) 片荷叶。
目标:求 最多能跳过多少只青蛙。
💯解题思路与分析
第一部分:青蛙过河问题
这个问题的解决思路与 汉诺塔问题 极其相似。汉诺塔问题是一种经典的递归问题,通过将盘子逐个移动来达到最终目标。在青蛙过河问题中,我们将递归思想进行迁移,借助中间位置完成青蛙的转移。
解法思路:递归拆解
-
基本思路:将青蛙分为两部分。
- 先将 ( n-1 ) 只青蛙从 L 移动到辅助位置(荷叶/石柱)。
- 然后将第 ( n ) 只青蛙直接从 L 移动到 R。
- 最后将 ( n-1 ) 只青蛙从辅助位置移动到 R。
-
递归关系可以总结为:
T ( n ) = 2 ⋅ T ( n − 1 ) + 1 T(n) = 2 \cdot T(n-1) + 1 T(n)=2⋅T(n−1)+1
其中 ( T(n) ) 是将 ( n ) 只青蛙移动到右岸所需的最少步数。 -
递归终止条件:当只剩下一只青蛙时,直接将其移动到目标位置。这一步与汉诺塔的最小子问题完全一致,青蛙跳到终点即可。
-
路径可视化:
递归的核心在于分解问题。可以通过树形结构将每一步的移动过程展示出来,使得解法更加清晰直观。
第二部分:最多能跳多少只青蛙
思路与公式推导
新增了 石柱 和 荷叶 后,溪中的路径可以看作是多次跳跃的落脚点。题目要求青蛙跳到这些落脚点后不能再移动,问题变为:
- 每次增加一个石柱时,路径数量会 翻倍。
- 荷叶提供了额外的停留点。
关键分析:
- 当 ( s = 0 )(无石柱)时,最多能跳过的青蛙数量为:
k = y + 1 k = y + 1 k=y+1
其中 ( y ) 是荷叶数量,右岸 ( R ) 也算一个位置。 - 当 ( s > 0 )(有石柱)时,每增加一根石柱,路径会 翻倍,满足以下递归关系:
k = 2 ⋅ e x t J u m p ( s − 1 , y ) k = 2 \cdot ext{Jump}(s-1, y) k=2⋅extJump(s−1,y) - 最终递归公式可以总结为:
k = 2 s ⋅ ( y + 1 ) k = 2^s \cdot (y + 1) k=2s⋅(y+1)
其中:- ( s ) 是石柱数。
- ( y ) 是荷叶数。
- ( 2^s ) 表示路径翻倍的次数。
💯代码实现
递归函数实现
#include <iostream>
using namespace std;// 递归函数:计算最多能跳过多少只青蛙
int Jump(int s, int y) {int k = 0; // 结果变量if (s == 0) // 递归终止条件k = y + 1; // 没有石柱,直接加上荷叶数和右岸elsek = 2 * Jump(s - 1, y); // 每增加一根石柱,路径翻倍return k; // 返回结果
}int main() {int s, y; // 定义变量cout << "请输入溪中的石柱数 s 和荷叶数 y:" << endl;cin >> s >> y; // 输入石柱数和荷叶数int result = Jump(s, y); // 调用函数cout << "最多能跳过的青蛙数为:" << result << endl; // 输出结果return 0;
}

示例输出
假设输入:
请输入溪中的石柱数 s 和荷叶数 y:
3 2
程序输出:
最多能跳过的青蛙数为:24
验证:
根据公式 ( k = 2^s \cdot (y + 1) ):
- ( s = 3 ),( y = 2 ):
k = 2 3 ⋅ ( 2 + 1 ) = 8 ⋅ 3 = 24 k = 2^3 \cdot (2 + 1) = 8 \cdot 3 = 24 k=23⋅(2+1)=8⋅3=24
💯递归的理解与优化
递归是一种通过将大问题分解为小问题逐步解决的方法。在本题中:
- 终止条件:当 ( s = 0 ) 时,直接求解。
- 递归关系:路径翻倍,通过 ( k = 2 \cdot Jump(s-1, y) ) 实现。
优化思路
如果问题规模较大(例如 ( s ) 很大),递归会占用较多栈空间。可以使用 迭代法 替代递归,将结果逐步累积:
int JumpIterative(int s, int y) {int k = y + 1; // 初始值,当 s = 0 时for (int i = 0; i < s; ++i) {k *= 2; // 每增加一根石柱,路径翻倍}return k;
}
💯小结

通过本题,我们深入理解了递归的本质和路径问题的解法:
- 青蛙过河问题 与 汉诺塔问题 类似,通过递归分解问题逐步求解。
- 在 石柱和荷叶问题 中,路径数量随着石柱数 ( s ) 指数级增长,满足公式:
k = 2 s ⋅ ( y + 1 ) k = 2^s \cdot (y + 1) k=2s⋅(y+1) - 提供了递归和迭代两种解法,递归结构清晰,迭代更高效。
- 通过图示和示例输出,直观展示了问题的解决过程。
掌握这类问题的解法,有助于培养递归思维和问题分解能力,为解决更复杂的算法问题打下坚实的基础。这类问题也为动态规划和搜索算法提供了重要的学习基础。

![]()
![]()
![]()
![]()
![]()
![]()
![]()
![]()
相关文章:
【C++】青蛙跳跃问题解析与解法
博客主页: [小ᶻ☡꙳ᵃⁱᵍᶜ꙳] 本文专栏: C 文章目录 💯前言💯题目描述第一部分:基本青蛙过河问题第二部分:石柱和荷叶问题 💯解题思路与分析第一部分:青蛙过河问题解法思路:递…...
自动驾驶AVM环视算法--python版本的俯视TOP投影模式
c语言版本和算法原理的可以查看本人的其他文档。《自动驾驶AVM环视算法--全景的俯视图像和原图》本文档进用于展示部分代码的视线,获取方式网盘自行获取(非免费介意勿下载):链接: https://pan.baidu.com/s/1MJa8ZCEfNyLc5x0uVegto…...
Go 语言与时间拳击理论下的结对编程:开启高效研发编程之旅
一、引言 结对编程作为一种软件开发方法,在提高代码质量、增强团队协作等方面具有显著优势。而时间拳击理论为结对编程带来了新的思考角度。本文将以 Go 语言为中心,深入探讨时间拳击理论下的结对编程。 在当今软件开发领域,高效的开发方法和…...
Qt+OPC开发笔记(一):OPCUA介绍、open62541介绍、编译与基础环境Demo
若该文为原创文章,转载请注明原文出处 本文章博客地址:https://hpzwl.blog.csdn.net/article/details/144516882 长沙红胖子Qt(长沙创微智科)博文大全:开发技术集合(包含Qt实用技术、树莓派、三维、OpenCV…...
ElasticSearch 常见故障解析与修复秘籍
文章目录 一、ElasticSearch启动服务提示无法使用root用户二、ElasticSearch启动提示进程可拥有的虚拟内存少三、ElasticSearch提示用户拥有的可创建文件描述符太少四、ElasticSearch集群yellow状态分析五、ElasticSearch节点磁盘使用率过高,read_only状态问题解决六…...
序列模型的使用示例
序列模型的使用示例 1 RNN原理1.1 序列模型的输入输出1.2 循环神经网络(RNN)1.3 RNN的公式表示2 数据的尺寸 3 PyTorch中查看RNN的参数4 PyTorch中实现RNN(1)RNN实例化(2)forward函数(3…...
对rust的全局变量使用drop方法
文章目录 rust处理全局变量的策略方法1:在main中自动Drop全局变量 参考 rust处理全局变量的策略 Rust 的静态变量不会在程序退出时自动调用 Drop,因为它们的生命周期与进程绑定。 use std::sync::OnceLock;struct GlobalData {content: String, }impl …...
Node.js教程入门第一课:环境安装
对于一个程序员来说,每学习一个新东西的时候,第一步基本上都是先进行环境的搭建! 从本章节开始让我们开始探索Node.js的世界吧! 什么是Node.js? 那么什么是Node.js呢?简单的说Node.js 就是运行在服务端的 JavaScript JavaScript…...
Visual Studio 使用 GitHub Copilot 扩展
🎀🎀🎀【AI辅助编程系列】🎀🎀🎀 Visual Studio 使用 GitHub Copilot 与 IntelliCode 辅助编码Visual Studio 安装和管理 GitHub CopilotVisual Studio 使用 GitHub Copilot 扩展Visual Studio 使用 GitHu…...
【Qualcomm】IPQ5018获取TR069 WiFi 接口Stats状态方法
IPQ5018 简介 IPQ5018 是高通(Qualcomm)公司推出的一款面向网络设备的系统级芯片(SoC)。它通常用于路由器、接入点和其他网络设备中,提供高性能的无线网络连接。以下是关于 IPQ5018 的一些关键特性和功能: 关键特性 高性能处理器 IPQ5018 集成了多核 CPU,通常是 ARM …...
数字营销咨询,照亮企业营销数字化每一步
在快消品领域,面对市场竞争日益激烈的现状,营销端的数字化升级已经成为企业生意增长的重要驱动力。 然而,鉴于营销端数字化建设的高昂成本及其广泛覆盖的业务范畴,企业在启动此类项目之前,通常会遭遇一系列挑战与顾虑&…...
修改vscode中emmet中jsx和tsx语法中className的扩展符号从单引号到双引号 - HTML代码补全 - 单引号双引号
效果图 实现步骤 文件 > 首选项 > 设置搜索“”在settings.json中修改,增加 "emmet.syntaxProfiles": {"html": {"attr_quotes": "single"},"jsx": {"attr_quotes": "double","…...
【Cmake】
1 设置安装路径 -DCMAKE_INSTALL_PREFIX"安装路径"2 使用交叉编译 -DCMAKE_C_COMPILE"交叉编译器绝对路径"3 编译静态库 -DPAHO_BUILD_STARTTRUE...
Flutter 内嵌 unity3d for android
前言: 最近刚整完 unity3d hybridCLR 更新代码和资源,我们 趁热打铁 将 Unity3D 嵌入 Flutter 应用中。实现在 Flutter 使用 Unity3D, 可以做 小游戏 大游戏; 之前都是 内嵌 Webview 来实现的。虽然 CocosCreator 做出来的效果也不错…...
sqlite加密-QtCipherSqlitePlugin 上
1、下载并解压软件 https://download.csdn.net/download/notfindjob/90140129 2、编译(可支持Qt5.12编译) 3、安装插件...
正交投影 (Orthographic Projection) 详解
正交投影 (Orthographic Projection) 详解 正交投影是一种将三维空间中的物体投影到二维平面上的方法,它在计算机图形学、建筑设计、工程绘图等领域中广泛应用。与透视投影不同,正交投影不会随着距离的变化而改变物体的大小,因此所有平行线在…...
盛元广通畜牧与水产品检验技术研究所LIMS系统
一、系统概述 盛元广通畜牧与水产品检验技术研究所LIMS系统集成了检测流程管理、样品管理、仪器设备管理、质量控制、数据记录与分析、合规性管理等功能于一体,能够帮助实验室实现全流程的数字化管理。在水产、畜牧产品的质检实验室中,LIMS系统通过引入…...
三维空间刚体运动4-1:四元数表示变换(各形式相互转换加代码——下篇)
三维空间刚体运动4-1:四元数表示变换(各形式相互转换加代码——下篇) 4. 四元数到其它旋转表示的相互转换4.1 旋转向量4.2 旋转矩阵4.3 欧拉角4.3.1 转换关系4.3.2 转换中的万象锁问题 5. 四元数的其他性质5.1 旋转的复合5.2 双倍覆盖5.3 指数…...
PyTorch如何通过 torch.unbind 和torch.stack动态调整张量的维度顺序
笔者一篇博客PyTorch 的 torch.unbind 函数详解与进阶应用:中英双语中有一个例子如下: # 创建一个 3x2x2 的三维张量 x torch.tensor([[[1, 2], [3, 4]],[[5, 6], [7, 8]],[[9, 10], [11, 12]]])# 第一步:沿第 0 维分解为 3 个 2x2 张量 un…...
【Unity3D】报错libil2cpp.so找不到问题
mainTemplate.gradle文件末尾添加: **IL_CPP_BUILD_SETUP** 此报错发生在低版本的Unity升级到高版本后,例如Unity2019升级到Unity2021,而Unity2019默认创建的mainTemplate.gradle文件是不包含**IL_CPP_BUILD_SETUP** 因此会导致libil2cpp.so…...
AI简历被秒拒?项目描述的4个细节,决定你能否拿到面试
AI简历被秒拒?项目描述的4个细节,决定你能否拿到面试金三银四求职季,不少求职者靠着AI工具快速生成简历,却发现投出的简历石沉大海、屡屡秒拒。很多人疑惑,自己的技术栈、项目经验明明符合岗位要求,为什么连…...
HunyuanVideo-Foley性能测试指南:在RTX 4090D上的推理速度与显存占用
HunyuanVideo-Foley性能测试指南:在RTX 4090D上的推理速度与显存占用 1. 前言:为什么需要性能测试 音效生成模型在实际业务场景中的表现,直接影响着用户体验和系统成本。对于企业用户来说,了解模型在特定硬件上的性能表现至关重…...
xgboost 训练一个 限制各个因素相关性的模型
XGB/LGB调参秘籍,解锁新高度! 在机器学习特别是风控模型的应用中,XGBoost和LightGBM因其出色的性能而备受青睐。然而,要充分发挥这些模型的潜力,合理的参数调校至关重要。今天,我们就来深入探讨XGBoost/Lig…...
程序员鼓励师的消亡:当ChatGPT学会调情时
凌晨三点的代码战场凌晨三点的办公室,最后一行代码刚刚通过测试。疲惫的测试工程师瘫在椅上,屏幕右下角突然弹出消息:“亲爱的debug战士,今天的你又一次战胜了bug宇宙呢~(眨眼emoji)”。这不是人类同事的关…...
告别复杂配置!Phi-3-Mini-128K一键部署实测:7GB显存跑通,小白也能玩转大模型
告别复杂配置!Phi-3-Mini-128K一键部署实测:7GB显存跑通,小白也能玩转大模型 1. 为什么选择Phi-3-Mini-128K 如果你正在寻找一个既强大又轻量的大语言模型,Phi-3-Mini-128K绝对值得考虑。这个由微软开发的模型虽然只有3.8亿参数…...
Pixel Couplet Gen实操手册:微信小程序分包加载优化像素春联H5首屏速度
Pixel Couplet Gen实操手册:微信小程序分包加载优化像素春联H5首屏速度 1. 项目背景与核心价值 Pixel Couplet Gen是一款融合传统春节文化与现代像素艺术风格的创新应用。通过ModelScope大模型的文本生成能力,结合精心设计的8-bit视觉元素,…...
别再浪费手机性能了!Blackmagic Camera 搭配 LUT 滤镜包,解锁夜景和人物拍摄的隐藏技巧
Blackmagic Camera 与 LUT 滤镜包:解锁手机摄影的隐藏潜力 手机摄影早已不再是简单的记录工具,而是可以创作出专业级影像的利器。对于追求画质的摄影爱好者和小型工作室来说,Blackmagic Camera 这款专业级拍摄应用配合精心调校的 LUT 滤镜包&…...
python建筑工程项目管理系统设计与实现
目录同行可拿货,招校园代理 ,本人源头供货商功能模块分析资源与成本管理进度与质量管理技术实现要点扩展功能建议项目技术支持源码获取详细视频演示 :文章底部获取博主联系方式!同行可合作同行可拿货,招校园代理 ,本人源头供货商 功能模块分析 项目管理…...
ai辅助部署openclaw:让快马智能适配ubuntu环境与反爬策略
AI辅助部署OpenClaw:让快马智能适配Ubuntu环境与反爬策略 最近在尝试用OpenClaw抓取一些动态加载的网站数据,发现直接部署基础版本根本行不通。目标网站不仅有动态渲染的内容,还设置了各种反爬机制。好在发现了InsCode(快马)平台的AI辅助开发…...
新手福音:通过快马平台零代码基础理解qun329群聊应用开发
作为一个刚接触编程的新手,想要理解群聊应用开发确实容易一头雾水。最近我在尝试用InsCode(快马)平台搭建类似qun329的简单群聊网页时,发现整个过程比想象中简单很多。下面分享我的学习过程,希望能帮到同样零基础的朋友。 项目结构规划 首先明…...
