描述 2018年俄罗斯世界杯(2018 FIFA World Cup)开踢啦!为了方便球迷观看比赛,莫斯科街道上很多路口都放置了的直播大屏幕,但是人群散去后总会在这些路口留下一堆垃圾。为此俄罗斯政府决定动用一种最新发明——“垃圾炸弹”。这种“炸弹”利用最先进的量子物理技术,爆炸后产生的冲击波可以完全清除波及范围内的所有垃圾,并且不会产生任何其他不良影响。炸弹爆炸后冲击波是以正方形方式扩散的,炸弹威力(扩散距离)以d给出,表示可以传播d条街道。
例如下图是一个d=1的“垃圾炸弹”爆炸后的波及范围。
文章图片
假设莫斯科的布局为严格的1025*1025的网格状,由于财政问题市政府只买得起一枚“垃圾炸弹”,希望你帮他们找到合适的投放地点,使得一次清除的垃圾总量最多(假设垃圾数量可以用一个非负整数表示,并且除设置大屏幕的路口以外的地点没有垃圾)。
输入
第一行给出“炸弹”威力d(1 <= d <= 50)。第二行给出一个数组n(1 <= n <= 20)表示设置了大屏幕(有垃圾)的路口数目。接下来n行每行给出三个数字x, y, i, 分别代表路口的坐标(x, y)以及垃圾数量i. 点坐标(x, y)保证是有效的(区间在0到1024之间),同一坐标只会给出一次。
输出
输出能清理垃圾最多的投放点数目,以及能够清除的垃圾总量。
样例输入
【算法|[算法练习][枚举][c/c++]4133:垃圾炸弹】1
2
4 4 10
6 6 20
样例输出
1 30
//暴力枚举即可,仔细判断可以发现,最佳投放点一定是在某点的x-+d,y-+d上
//所以仅仅对每组坐标附近的点做枚举即可,把每个点的清除数量直接保存在二维数组中
//Garbage bomb#include
#include
#include
using namespace std;
#define MAX 1025
int map[MAX][MAX];
//枚举地图各点可清除垃圾数
/*垃圾点*/
struct Point{
int x, y;
//坐标
int m;
//垃圾数
}p[21];
int main()
{
memset(map, 0, sizeof(map));
int d, n;
scanf("%d%d", &d, &n);
for (int i = 0;
i < n;
i++)
scanf("%d%d%d", &p[i].x, &p[i].y, &p[i].m);
int ans = 0, np = 0;
for (int i = 0;
i < n;
i++)//枚举每一个垃圾所在的路口
{
for (int row = p[i].x - d;
row <= p[i].x + d;
row++)//统计该垃圾的行范围内的垃圾数据
{
if (row >= 0 && row < MAX)//判断是否在城市范围内
{
for (int col = p[i].y - d;
col <= p[i].y + d;
col++)//统计该垃圾的列范围内的垃圾数据
{
if (col >= 0 && col < MAX)//判断是否在城市范围内
{
map[row][col] += p[i].m;
//加上在该点可以统计到的垃圾数量
/*refresh*/
if (ans < map[row][col])//如果ans小于该点的垃圾数量了,说明有新的垃圾被统计加到该点上了,所以该点为最多,所以数量暂时设为1
{
ans = map[row][col];
np = 1;
}
else if (ans == map[row][col]) np++;
如果ans等于该点的垃圾数量,说明出现了一个新点也能统计最多垃圾数量
}
}
}
}
}
printf("%d %d\n", np, ans);
return 0;
}
推荐阅读
- 人工智能|干货!人体姿态估计与运动预测
- 分析COMP122 The Caesar Cipher
- 技术|为参加2021年蓝桥杯Java软件开发大学B组细心整理常见基础知识、搜索和常用算法解析例题(持续更新...)
- C语言学习(bit)|16.C语言进阶——深度剖析数据在内存中的存储
- Python机器学习基础与进阶|Python机器学习--集成学习算法--XGBoost算法
- 数据结构与算法|【算法】力扣第 266场周赛
- 数据结构和算法|LeetCode 的正确使用方式
- leetcode|今天开始记录自己的力扣之路
- 人工智能|【机器学习】深度盘点(详细介绍 Python 中的 7 种交叉验证方法!)
- 网络|简单聊聊压缩网络