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

YOLOv8n机器人场景目标检测实战|第一周工作笔记1

核心完成项:基于Conda搭建Ultralytics8.0+PyTorch2.1专属环境,完成COCO2017机器人场景子集筛选(8000张,7000训+1000验),跑通YOLOv8n基础训练(epoch=50),小障碍物mAP≥65%,模型可正常输出推理结果,满足周验收全部目标。 环境说明:全程使用Conda进行包管理与环境隔离,无pip命令使用,规避版本兼容问题;模型选用YOLOv8n(轻量化版本,适配机器人端算力限制),替代原计划YOLOv9n,核心实操逻辑一致。 一、本周核心目标与执行思路 1. 核心目标 1. 掌握YOLO系列核心创新与轻量化模型适配逻辑,聚焦机器人室内小场景(室内小障碍物/桌椅/行人/台阶)检测需求; 2. 搭建稳定可复现的Ultralytics+PyTorch训练环境,规避版本冲突; 3. 筛选并整理符合YOLO格式的机器人场景自定义数据集,完成基础标注与训练集/验证集划分; 4. 跑通YOLOv8n基础训练流程,验证数据集与模型兼容性,获取基础精度、参数量、

2026 最新 FPGA——学霸学习导图汇总

2026 最新 FPGA——学霸学习导图汇总

随着 FPGA 技术在 AI、通信、自动驾驶、5G/6G、大规模数据中心等领域的重要性持续攀升,越来越多同学希望系统掌握 FPGA 的核心技能。但面对浩繁的知识点和庞大的工具链,新手常常不知从何学起。 为此,这篇文章整理了 2026 年最新 FPGA 学习导图与学习路径总结,帮你从零打造 FPGA 学霸级路线图! 🔥 一、FPGA 学习总览 FPGA(Field Programmable Gate Array)是一种可重构硬件设备,它不像 MCU 那样运行软件,而是通过硬件电路本身实现逻辑功能。 一个完整的 FPGA 学习体系通常包括: 📌 基础理论 📌 HDL 编程(Verilog / VHDL / SystemVerilog) 📌 仿真 & 综合 & 时序分析

Clawdbot+Qwen3:32B多场景:文旅智能导览Agent——景点知识问答、路线规划与AR联动接口

Clawdbot+Qwen3:32B多场景:文旅智能导览Agent——景点知识问答、路线规划与AR联动接口 1. 为什么文旅场景需要一个“会思考”的导览助手? 你有没有过这样的经历:站在一座千年古塔前,手机里查到的介绍千篇一律,连开放时间都写错了;想规划一条避开人流的深度游览路线,却要在三个APP之间反复切换;朋友指着远处的飞檐问“这是什么风格”,你只能含糊答“好像是明清的”……传统导览工具就像一本不会说话的电子说明书,而游客真正需要的,是一个能听懂问题、记得住上下文、调得动地图、还能和AR眼镜说上话的本地向导。 Clawdbot + Qwen3:32B 的组合,正是为解决这类问题而生。它不是简单地把大模型塞进旅游APP,而是构建了一个可调度、可扩展、可联动的智能导览Agent系统。这个系统能同时处理三类核心任务:精准回答景点冷知识(比如“这座塔的斗拱用了几种铺作?”)、动态生成个性化路线(考虑你的体力、兴趣点、实时人流数据)、无缝对接AR设备接口(让手机镜头扫过石碑时,立刻叠加3D复原动画和语音讲解)。整套能力背后,是Clawdbot作为统一网关对Qwen3:32B大模型的深

详细的FPGA电源系统设计(附器件选型)

详细的FPGA电源系统设计(附器件选型)

某型FPGA的内部逻辑模块需要1.2V的电源 进行供电,并要求其稳定性在±50mV之内,如下图所示。        本文采用TPS54302电源转换器将12V输入电压转换为1.2V输出电压,其最大输出电流为3A。要使得所产生的电压稳定在1.2V±50mV,需要考虑输出电压纹波、输出电流阶跃变化所引起的输出电压变化、输出电压的偏置及PCB线路的电压压降等因素。        输入电容的选择        输入电容分为两种,一种是大容量电容,一种是滤波电容。当输入电源距离TPS54302有几英尺以上时就需要大容量电容。TPS54302的datasheet推荐使用47 uF的电解电容。选择额定电压为35V的松下EEEFK1V470AP作为大容量电容。TPS54302的datasheet推荐使用10 uF的陶瓷电容作为退耦电容,并且另推荐使用一个0.1 uF的陶瓷电容进行高频滤波。初步选择型号为GCM32ER71E106KA42的10 uF陶瓷电容以及型号为GRM155R71E104KE14的0.1 uF陶瓷电容。         下面对这两个电容的额定电压和额定纹波