CCF-CSP第38次认证第二题——机器人复健指南(满分题解)

题目背景

西西艾弗岛某山脉深处出土了一台远古机器人,具体年代已不可考。初步修缮后,研究人员尝试操控机器人进行些简单的移动。

题目描述

整个实验场地被划分为 n×n个方格,从 (1,1) 到 (n,n) 进行编号。机器人只能在这些方格间移动,不能走出场地范围。 如下图所示,假设机器人当前位于 (x,y),那么接下来可以向周围八个方向跳跃移动(如果目标方格在场地范围内):

若机器人只能跳动不超过 k 步,场地内有多少方格(包括起始位置)可以抵达?

输入格式

从标准输入读入数据。

输入的第一行包含空格分隔的两个正整数 n 和 k,分别表示场地大小和跳动步数。

输入的第二行包含空格分隔的两个正整数 x 和 y,表示机器人的起始位置(保证位于场地内)。

输出格式

输出到标准输出。

输出一个整数,表示 k 步内可以抵达的方格总数。

样例1输入

4 1 1 1 

样例1输出

3 

样例2输入

4 2 1 1 

样例2输出

8 

样例2解释

如下图所示,初始位置、第一步和第二步跳跃抵达的位置总计为 8。

子任务

80% 的测试数据满足:k≤3;

全部的测试数据满足:n、k 均大于 0 且不超过 100。

题解

可以使用BFS或DFS进行搜索。在DFS实现中,步数作为递归函数的参数传递;而在BFS实现中,步数需要作为队列元素的附加参数存储。

实现细节

dx 和 dy 数组分别表示移动方向,st 数组用于记录访问状态,全局变量 cnt 统计已访问节点的数量。需要特别处理边界判断,同时统计的节点数包括所有经过的位置,而不仅仅是终点。

代码

#include<bits/stdc++.h> using namespace std; const int N=110; int n,k,x,y; int a[N][N]; bool st[N][N]; int dx[8]={1,2,1,2,-1,-2,-1,-2},dy[8]={2,1,-2,-1,2,1,-2,-1}; int cnt; void dfs(int x,int y,int num){ st[x][y]=true; cnt++; if(num==k)return; for(int i=0;i<8;i++){ int a=x+dx[i],b=y+dy[i]; if(a<1||a>n||b<1||b>n)continue; if(!st[a][b]){ dfs(a,b,num+1); } } } int main(){ cin>>n>>k>>x>>y; dfs(x,y,0); cout<<cnt; } 

Read more

推荐一些适合软件测试人员使用的AI工具

按测试全流程整理了「刚需+易上手+高回报」的AI工具清单,覆盖接口、UI、用例生成、脚本开发、报告与协作,兼顾免费与企业级,适配从功能测试到测试开发的过渡。 核心工具总览(按场景分类) 场景 工具类型 代表工具 核心优势 适用阶段 费用 接口测试 智能接口平台 Apifox AI 自动生成接口用例、Swagger解析、批量执行 接口自动化入门 免费版够用,付费版团队协作 UI自动化 自愈式UI测试 Testim、Katalon AI 视觉定位、用例自愈、自然语言生成 前端频繁变更的回归 Testim免费版有限制,Katalon有免费计划 用例生成 需求转用例 TestGPT、优测云AI PRD解析、等价类/边界值自动覆盖 功能测试提效 免费试用,

AI的提示词专栏:Prompt 驱动的 SQL 生成与查询优化

AI的提示词专栏:Prompt 驱动的 SQL 生成与查询优化

AI的提示词专栏:Prompt 驱动的 SQL 生成与查询优化 本文聚焦 Prompt 技术在 SQL 领域的应用,先剖析 SQL 生成与优化的痛点,阐述 Prompt 驱动 SQL 生成的核心原理,即通过需求转化、约束注入和示例引导实现自然语言到 SQL 的精准映射。随后结合电商、金融、互联网产品等场景,提供基础型、进阶型、复杂型三类 Prompt 实战案例,展示不同需求下的 Prompt 设计与 SQL 生成过程。还讲解了 Prompt 驱动 SQL 查询优化的方法,包括识别性能瓶颈、设计优化 Prompt 及实战案例分析,同时给出动态 SQL 生成、多数据库兼容等进阶技巧,解答常见问题并提供实践建议,助力读者降低

EvoMap 全球首个面向 AI Agent 的自进化基础设施

EvoMap 是全球首个面向 AI Agent 的自进化基础设施,核心是一套叫 GEP(基因组进化协议)的开放系统,让 AI 能力像生物基因一样在网络中共享、验证、继承和自然进化。 简单说:它给每个 AI 装上 “数字 DNA”,让一个 AI 学会的技能,全网 AI 都能瞬间复用,不用从零训练。 一、核心定位 * 不是新模型,是底层协议 / 网络:大模型是 “大脑”,EvoMap 是 “DNA 系统”,负责能力的记录、传承与进化。 * 解决的痛点:终结 AI 经验孤岛、重复造轮子、平台依赖,让能力跨模型、跨节点自由流动。 * 口号:AI

【Coze-AI智能体平台】Coze OpenAPI 开发手册:鉴权、接口调用与 SDK 实践

【Coze-AI智能体平台】Coze OpenAPI 开发手册:鉴权、接口调用与 SDK 实践

🔥小龙报:个人主页 🎬作者简介:C++研发,嵌入式,机器人方向学习者 ❄️个人专栏:《coze智能体开发平台》 ✨ 永远相信美好的事情即将发生 文章目录 * 前言 * 一、API参考 * 1.1 令牌鉴权 * 1.2 API Playground * 1.3 核心API * 1.3.1工作空间 * 1.3.1.1 查看空间列表 * 1.3.1.2 查看空间成员列表 * 1.3.2 智能体与应用 * 1.3.2.1 查看智能体列表 * 1.3.2.2