【洛谷算法题】B2029-大象喝水【入门1顺序结构】

简介: 【洛谷算法题】B2029-大象喝水【入门1顺序结构】

【洛谷算法题】B2029-大象喝水【入门1顺序结构】

题目链接:大象喝水 - 洛谷

🌏题目描述

一只大象口渴了,要喝 20 2020 升水才能解渴,但现在只有一个深 h hh 厘米,底面半径为 r rr 厘米的小圆桶 (h hhr rr 都是整数)。问大象至少要喝多少桶水才会解渴。

Update:数据更新,这里我们近似地取圆周率 π = 3.14 \pi = 3.14π=3.14

🌏输入格式

输入有一行:包含两个整数,以一个空格分开,分别表示小圆桶的深 h hh 和底面半径 r rr,单位都是厘米。

🌏输出格式

输出一行,包含一个整数,表示大象至少要喝水的桶数。

🌏样例 #1

🌙样例输入 #1

23 11

🌙样例输出 #1

3

🌏提示

🌙数据规模与约定

对于全部的测试点,保证 1 ≤ h ≤ 500 1 \leq h \leq 5001h5001 ≤ r ≤ 100 1 \leq r \leq 1001r100

🌏题解

import java.util.Scanner;
public class B2029 {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        // 圆桶深度
        int hCm = in.nextInt();
        // 圆桶底部半径
        int rCm = in.nextInt();
        // 需要喝的桶数
        int num = 0;
        if (20000 % (3.14 * rCm * rCm * hCm) == 0) { // 刚好有若干桶水可以累加到 2 L
            num = (int)(20000 / (3.14 * rCm * rCm * hCm));
        } else { // 最后一桶水喝不完, 那么就要多加一桶水
            num = (int)(20000 / (3.14 * rCm * rCm * hCm) + 1);
        }
        System.out.print(num);
        in.close();
    }
}

🌏总结

单位转换:

1 dm^3 = 1000 cm^3 = 1000ml = 1 L

由题意知道大象要喝 20000 c m 3 cm^3cm3 的水才能解渴,所以用 20000 除以每桶能够盛放的水就可以得到一共需要多少桶水了,但是需要注意,要保证大象至少要喝 2000 c m 3 cm^3cm3 的水,所以用除法来做的话,当 20000 对每桶水的体积取模结果不是整数时,要再加上一桶水才能保证大象能够喝到 2 L 以上的水。

作者:花无缺(huawuque404.com)

相关文章
|
2月前
|
机器学习/深度学习 人工智能 算法
深度学习入门:理解神经网络与反向传播算法
【9月更文挑战第20天】本文将深入浅出地介绍深度学习中的基石—神经网络,以及背后的魔法—反向传播算法。我们将通过直观的例子和简单的数学公式,带你领略这一技术的魅力。无论你是编程新手,还是有一定基础的开发者,这篇文章都将为你打开深度学习的大门,让你对神经网络的工作原理有一个清晰的认识。
|
6天前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
11 3
|
18天前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
1月前
|
机器学习/深度学习 算法
机器学习入门(三):K近邻算法原理 | KNN算法原理
机器学习入门(三):K近邻算法原理 | KNN算法原理
|
1月前
|
机器学习/深度学习 算法 大数据
机器学习入门:梯度下降算法(下)
机器学习入门:梯度下降算法(下)
|
1月前
|
机器学习/深度学习 算法 API
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
|
1月前
|
机器学习/深度学习 算法
机器学习入门:梯度下降算法(上)
机器学习入门:梯度下降算法(上)
|
3月前
|
机器学习/深度学习 人工智能 算法
AI入门必读:Java实现常见AI算法及实际应用,有两下子!
本文全面介绍了人工智能(AI)的基础知识、操作教程、算法实现及其在实际项目中的应用。首先,从AI的概念出发,解释了AI如何使机器具备学习、思考、决策和交流的能力,并列举了日常生活中的常见应用场景,如手机助手、推荐系统、自动驾驶等。接着,详细介绍了AI在提高效率、增强用户体验、促进技术创新和解决复杂问题等方面的显著作用,同时展望了AI的未来发展趋势,包括自我学习能力的提升、人机协作的增强、伦理法规的完善以及行业垂直化应用的拓展等...
176 3
AI入门必读:Java实现常见AI算法及实际应用,有两下子!
|
3月前
|
机器学习/深度学习 算法 文件存储
【博士每天一篇文献-算法】 PNN网络启发的神经网络结构搜索算法Progressive neural architecture search
本文提出了一种名为渐进式神经架构搜索(Progressive Neural Architecture Search, PNAS)的方法,它使用顺序模型优化策略和替代模型来逐步搜索并优化卷积神经网络结构,从而提高了搜索效率并减少了训练成本。
52 9
|
4月前
|
机器学习/深度学习 数据采集 人工智能
机器学习算法入门与实践
【7月更文挑战第22天】机器学习算法入门与实践是一个既充满挑战又极具吸引力的过程。通过掌握基础知识、理解常见算法、注重数据预处理和模型选择、持续学习新技术和参与实践项目,你可以逐步提高自己的机器学习技能,并在实际应用中取得优异的成绩。记住,机器学习是一个不断迭代和改进的过程,保持好奇心和耐心,你将在这个领域走得更远。