华为OD:跳房子I

题目描述

跳房子,也叫跳飞机,是一种世界性的儿童游戏。

游戏参与者需要分多个回合按顺序跳到第1格直到房子的最后一格

跳房子的过程中,可以向前跳,也可以向后跳。

假设房子的总格数是count,小红每回合可能连续跳的步教都放在数组steps中,请问数组中是否有一种步数的组合,可以让小红两个回合跳到最后一格?

如果有,请输出索引和最小的步数组合。

注意:

数组中的步数可以重复,但数组中的元素不能重复使用。

提供的数据保证存在满足题目要求的组合,且索引和最小的步数组合是唯一的。

输入描述

第一行输入为房子总格数count,它是int整数类型。

第二行输入为每回合可能连续跳的步数,它是int整数数组类型。

输出描述

返回索引和最小的满足要求的步数组合(顺序保持steps中原有顺序)

样例

输入

1,4,5,2,2

7

输出

5, 2

说明

输入

-1,2,4,9,6

8

输出

-1, 9

说明

此样例有多种组合满足两回合跳到最后,譬如:[-1,9],[2,6],其中[-1,9]的索引和为0+3=3,[2,6]的索和为1+4=5,所以索引和最小的步数组合[-1,9]

算法

如题目描述,即需要判断列表中是否存在两个元素的和等于目标值,如果有多个则返回其索引和最小的一对,这意味着需要遍历所有组合才行。

粗解

python 复制代码
ls = list(map(int, input()[1:-1].split(',')))

tar = int(input())

minn = 999999999999999999999999999
lso = []
for i in range(len(ls)-1):
    for j in range(i+1, len(ls)):
        if ls[i] + ls[j] == tar:
            if i + j < minn:
                lso = [ls[i], ls[j]]
                minn = i+j
            break

print(lso)

优化

python 复制代码
a = list(map(int, input()[1:-1].split(',')))
n = int(input())
m = len(a)
minn = 2 * n
ans1 = -1
ans2 = -1
for i in range(m): # 循环遍历第一个数
    for j in range(i + 1, m): # 寻找是否有数匹配
        if a[i] + a[j] == n and i + j < minn: # 记录答案
            ans1 = a[i]
            ans2 = a[j]
            minn = i + j
print(f"[{ans1}, {ans2}]")
相关推荐
luckys.one1 小时前
第9篇:Freqtrade量化交易之config.json 基础入门与初始化
javascript·数据库·python·mysql·算法·json·区块链
大翻哥哥2 小时前
Python 2025:量化金融与智能交易的新纪元
开发语言·python·金融
zhousenshan4 小时前
Python爬虫常用框架
开发语言·爬虫·python
IMER SIMPLE4 小时前
人工智能-python-深度学习-经典神经网络AlexNet
人工智能·python·深度学习
CodeCraft Studio4 小时前
国产化Word处理组件Spire.DOC教程:使用 Python 将 Markdown 转换为 HTML 的详细教程
python·html·word·markdown·国产化·spire.doc·文档格式转换
专注API从业者5 小时前
Python/Java 代码示例:手把手教程调用 1688 API 获取商品详情实时数据
java·linux·数据库·python
java1234_小锋5 小时前
[免费]基于Python的协同过滤电影推荐系统(Django+Vue+sqlite+爬虫)【论文+源码+SQL脚本】
python·django·电影推荐系统·协同过滤
看海天一色听风起雨落6 小时前
Python学习之装饰器
开发语言·python·学习
XiaoMu_0016 小时前
基于Python+Streamlit的旅游数据分析与预测系统:从数据可视化到机器学习预测的完整实现
python·信息可视化·旅游
THMAIL6 小时前
深度学习从入门到精通 - 生成对抗网络(GAN)实战:创造逼真图像的魔法艺术
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·cnn