【洛谷算法题】P3954-成绩【入门1顺序结构】

简介: 【洛谷算法题】P3954-成绩【入门1顺序结构】

【洛谷算法题】P3954-成绩【入门1顺序结构】

题目链接:[NOIP2017 普及组] 成绩 - 洛谷

🌏题目背景

NOIP2017 普及组 T1

🌏题目描述

牛牛最近学习了 C++ 入门课程,这门课程的总成绩计算方法是:

总成绩=作业成绩$ \times 20%+小测成绩 小测成绩小测成绩×30%+期末考试成绩 期末考试成绩期末考试成绩 \times 50%$

牛牛想知道,这门课程自己最终能得到多少分。

🌏输入格式

三个非负整数 A , B , C A,B,CA,B,C,分别表示牛牛的作业成绩、小测成绩和期末考试成绩。相邻两个数之间用一个空格隔开,三项成绩满分都是 100 100100 分。

🌏输出格式

一个整数,即牛牛这门课程的总成绩,满分也是 100 100100 分。

🌏样例 #1

🌙样例输入 #1

100 100 80

🌙样例输出 #1

90

🌏样例 #2

🌙样例输入 #2

60 90 80

🌙样例输出 #2

79

🌏提示

🌙输入输出样例 1 说明

牛牛的作业成绩是 100 100100 分,小测成绩是 100 100100 分,期末考试成绩是 80 8080 分,总成绩是 100 × 20 % + 100 × 30 % + 80 × 50 % = 20 + 30 + 40 = 90 100 \times 20\%+100 \times 30\%+80 \times 50\%=20+30+40=90100×20%+100×30%+80×50%=20+30+40=90

🌙输入输出样例 2 说明

牛牛的作业成绩是 60 6060 分,小测成绩是 90 9090 分,期末考试成绩是 80 8080 分,总成绩是 60 × 20 % + 90 × 30 % + 80 × 50 % = 12 + 27 + 40 = 79 60 \times 20\%+90 \times 30\%+80 \times 50\%=12+27+40=7960×20%+90×30%+80×50%=12+27+40=79

🌙数据说明

对于 30 % 30\%30% 的数据,A = B = 0 A=B=0A=B=0

对于另外 30 % 30\%30% 的数据,A = B = 100 A=B=100A=B=100

对于 100 % 100\%100% 的数据,0 ≤ A , B , C ≤ 100 0≤A,B,C≤1000A,B,C100A , B , C A,B,CA,B,C 都是 10 1010 的整数倍。

🌏题解

import java.util.Scanner;
public class P3954 {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        int a = in.nextInt(), b = in.nextInt(), c = in.nextInt();
        System.out.print((int)(a * 0.2 + b * 0.3 + c * 0.5));
        in.close();
    }
}

🌏总结

由题意我们只需要一个公式a * 0.2 + b * 0.3 + c * 0.5就可以得到我们想要的总成绩,但是题目要求最后的成绩是一个整数,但是以上公式肯定会有得到浮点数的情况,所以我们要将结果强制转换为 int 类型。

作者:花无缺(huawuque404.com)

相关文章
|
1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...
148 3
AI入门必读:Java实现常见AI算法及实际应用,有两下子!
|
1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。
34 9
|
2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。
|
1月前
|
存储 缓存 算法
深入解析B树:数据结构、存储结构与算法优势
深入解析B树:数据结构、存储结构与算法优势
|
2月前
|
消息中间件 存储 算法
实战算法的基础入门(2)
实战算法的基础入门
|
2月前
|
算法 大数据
实战算法的基础入门(1)
实战算法的基础入门
|
1月前
|
存储 算法
【C算法】编程初学者入门训练140道(1~20)
【C算法】编程初学者入门训练140道(1~20)
|
2月前
|
算法 Java
实战算法的基础入门(3)
实战算法的基础入门
|
15天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
|
15天前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。