news 2026/3/27 20:01:04

GESP认证C++编程真题解析 | B4450 [GESP202512 三级] 小杨的智慧购物

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
GESP认证C++编程真题解析 | B4450 [GESP202512 三级] 小杨的智慧购物

​欢迎大家订阅我的专栏:算法题解:C++与Python实现!
本专栏旨在帮助大家从基础到进阶 ,逐步提升编程能力,助力信息学竞赛备战!

专栏特色
1.经典算法练习:根据信息学竞赛大纲,精心挑选经典算法题目,提供清晰的代码实现与详细指导,帮助您夯实算法基础。
2.系统化学习路径:按照算法类别和难度分级,从基础到进阶,循序渐进,帮助您全面提升编程能力与算法思维。

适合人群:

  • 准备参加蓝桥杯、GESP、CSP-J、CSP-S等信息学竞赛的学生
  • 希望系统学习C++/Python编程的初学者
  • 想要提升算法与编程能力的编程爱好者

附上汇总帖:GESP认证C++编程真题解析 | 汇总


【题目来源】

洛谷:[B4450 GESP202512 三级] 小杨的智慧购物 - 洛谷

【题目描述】

小杨的班级要举办一个环保手工作品展览,老师请小杨去文具店购买M MM种不同的文具(例如:铅笔、橡皮、尺子等)。

商店里共有N NN件文具,每件文具都有一个种类编号(从1 11M MM)和价格。

小杨的预算有限,他想了一个聪明的办法:对于每种文具,他只买最便宜的那一件(如果同种文具有多件价格相同且都是最便宜的,他只会购买其中的一件)。请你帮小杨计算出,买齐这M MM种文具一共需要花费多少钱。

【输入】

第一行两个正整数M , N M, NM,N,代表文具的种类数和总数。

之后N NN行,每行两个正整数K i K_iKiP i P_iPi,分别代表第i ii件文具的种类编号和它的价格。数据保证每个种类至少有一件文具可供购买。

【输出】

输出一行,代表购买文具的总价。

【输入样例】

2 5 1 1 1 2 1 1 2 3 2 10

【输出样例】

4

【算法标签】

《洛谷 B4450 小杨的智慧购物》 #数组# #GESP# #2025#

【代码详解】

#include<bits/stdc++.h>usingnamespacestd;constintN=100005;// 定义最大容量常量intn,m,k,p;// 变量声明vector<int>a[N];// 数组的向量,用于存储多组数据intmain(){// 输入m和ncin>>m>>n;// 读取n对数据(k, p)for(inti=1;i<=n;i++){cin>>k>>p;// 将p添加到第k个向量中a[k].push_back(p);}// 对每个向量进行排序for(inti=1;i<=m;i++){sort(a[i].begin(),a[i].end());}// 计算答案intans=0;for(inti=1;i<=m;i++){// 累加每个向量的第一个元素(最小值)ans+=a[i][0];}// 输出结果cout<<ans<<endl;return0;}

【运行结果】

2 5 1 1 1 2 1 1 2 3 2 10 4
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/3/27 2:30:37

PyTorch模型解释性工具在Miniconda中的集成

PyTorch模型解释性工具在Miniconda中的集成 在深度学习模型日益复杂的今天&#xff0c;一个训练良好的神经网络可能拥有数亿参数&#xff0c;却像一座“黑箱”——我们能看到输入和输出&#xff0c;却难以理解其内部决策逻辑。这种不透明性在医疗诊断、金融风控等高敏感场景中尤…

作者头像 李华
网站建设 2026/3/26 23:38:09

Miniconda-Python3.9镜像支持跨区域灾备恢复

Miniconda-Python3.9 镜像支持跨区域灾备恢复 在人工智能项目日益复杂、训练周期动辄数天甚至数周的今天&#xff0c;一个看似微不足道的问题却可能让整个团队陷入瘫痪&#xff1a;某个关键依赖库版本更新后导致模型无法复现。更糟糕的是&#xff0c;当主数据中心因网络故障或电…

作者头像 李华
网站建设 2026/3/27 6:47:47

Pyenv与Conda共存方案:Miniconda-Python3.9镜像中的最佳实践

Pyenv与Conda共存方案&#xff1a;Miniconda-Python3.9镜像中的最佳实践 在现代AI和数据科学项目中&#xff0c;一个常见的痛点是&#xff1a;为什么代码在一个环境中能跑&#xff0c;在另一个环境就报错&#xff1f; 问题往往不在于代码本身&#xff0c;而在于“环境不一致”—…

作者头像 李华
网站建设 2026/3/26 21:21:53

Markdown笔记整合代码:Miniconda-Python3.9镜像支持Jupyter交互式编程

Miniconda-Python3.9 镜像与 Jupyter&#xff1a;构建现代 AI 开发的可复现基石 在数据科学和人工智能项目日益复杂的今天&#xff0c;一个常见的场景是&#xff1a;你刚刚从同事那里拉下代码仓库&#xff0c;满怀期待地运行 python train.py&#xff0c;却立刻被一连串“Modu…

作者头像 李华
网站建设 2026/3/27 19:35:40

Miniconda-Python3.9镜像支持按Token用量计费

Miniconda-Python3.9 镜像支持按 Token 用量计费 在 AI 开发日益普及的今天&#xff0c;一个常见的场景是&#xff1a;团队成员各自搭建 Python 环境&#xff0c;有人用系统默认的 Python 3.7&#xff0c;有人手动安装了 PyTorch 2.0&#xff0c;还有人直接在全局环境下跑实验。…

作者头像 李华