酒店网站建设流程图网站移动端权重怎么做

酒店网站建设流程图,网站移动端权重怎么做,黑帽seo培训网,加强网站制度建设静态代码扫描服务 100分#xff08;python、java、c、js、c#xff09;题目静态扫描可以快速识别源代码的缺陷#xff0c;静态扫描的结果以扫描报告作为输出#xff1a;1、文件扫描的成本和文件大小相关#xff0c;如果文件大小为N#xff0c;则扫描成本为N个金币2、扫描…静态代码扫描服务 100分python、java、c、js、c题目静态扫描可以快速识别源代码的缺陷静态扫描的结果以扫描报告作为输出1、文件扫描的成本和文件大小相关如果文件大小为N则扫描成本为N个金币2、扫描报告的缓存成本和文件大小无关每缓存一个报告需要M个金币3、扫描报告缓存后后继再碰到该文件则不需要扫描成本直接获取缓存结果给出源代码文件标识序列和文件大小序列求解采用合理的缓存策略最少需要的金币数输入描述第一行为缓存一个报告金币数ML M 100第二行为文件标识序列F1,F2,F3,....,Fn。第三行为文件大小序列S1,S2,S3,....,Sn输出描述采用合理的缓存策略需要的最少金币数备注1 N 10000 1 Fi 1000 1 Si 10用例用例一输入 5 1 2 2 1 2 3 4 1 1 1 1 1 1 1 输出 7用例二输入 5 2 2 2 2 2 5 2 2 2 3 3 3 3 3 1 3 3 3 输出 9python解法解题思路输入数据m: 额外的可用时间每个任务额外的时间。f: 一个列表表示每个任务的频率任务的出现次数。s: 一个列表表示每个任务的大小任务所需时间。核心思路首先我们需要统计每个任务频率的出现次数。同时我们还需要记录每个频率任务的大小时间需求。如果有多个任务有相同的频率我们只需要记录一个任务的大小第一个出现的大小。计算任务总时间对于每一个任务的频率 k我们计算它的总时间如果任务出现 count[k] 次且每个任务大小为 size[k]那么这个任务组的时间为 count[k] * size[k]。但是如果任务组的时间超过了 size[k] m即原本的大小加上额外的时间我们会限制任务的时间为 size[k] m。返回结果最后将每个频率的任务时间加总得到最终结果。# 输入数据 m int(input()) # 可用的额外时间 f list(map(int, input().split())) # 每个任务的频率出现次数 s list(map(int, input().split())) # 每个任务的大小所需时间 # 定义核心函数计算结果 def getResult(m, f, s): max_val max(f) # 找到最大频率 count [0] * (max_val 1) # 用于存储每个频率出现的次数 size [0] * (max_val 1) # 用于存储每个频率对应的大小所需时间 # 遍历任务统计频率出现次数并记录每个频率对应的任务大小 for i in range(len(f)): count[f[i]] 1 # 任务f[i]的频率出现次数加1 if size[f[i]] 0: # 如果该频率还没有任务大小则记录该任务的大小 size[f[i]] s[i] ans 0 # 最终结果 # 遍历所有频率计算总时间 for k in range(max_val 1): if count[k] 0: # 如果某个频率的任务存在 ans min(count[k] * size[k], size[k] m) # 计算任务的总时间 return ans # 返回最终结果 # 调用函数并输出结果 print(getResult(m, f, s))java解法解题思路输入数据m表示额外的时间用于限制任务大小。f任务频率的数组表示每个任务出现的次数频率。s任务大小的数组表示每个任务的所需时间。核心思路统计每个频率出现的次数count。对于每个频率存储对应的任务大小size。我们只需要记录第一次遇到的任务大小因为频率相同的任务应该具有相同的大小。计算任务的总时间对于每个频率 k计算出该频率任务的总扫描时间scanCost count[k] * size[k]。计算任务的缓存成本cacheCost size[k] m即任务大小加上额外的时间。任务的最终时间应该是 scanCost 和 cacheCost 的最小值。返回结果将所有任务的最小时间加起来得到最终的总时间import java.util.*; public class Main { public static void main(String[] args) { Scanner sc new Scanner(System.in); // 读取额外的时间 m int m Integer.parseInt(sc.nextLine()); // 读取频率数组 f 和大小数组 s Integer[] f Arrays.stream(sc.nextLine().split( )).map(Integer::parseInt).toArray(Integer[]::new); Integer[] s Arrays.stream(sc.nextLine().split( )).map(Integer::parseInt).toArray(Integer[]::new); // 调用 getResult 函数并输出结果 System.out.println(getResult(m, f, s)); } public static int getResult(int m, Integer[] f, Integer[] s) { // 使用 HashMap 来存储每个频率的任务出现次数 MapInteger, Integer count new HashMap(); // 使用 HashMap 来存储每个频率对应的任务大小 MapInteger, Integer size new HashMap(); // 遍历任务统计每个频率出现的次数并记录任务的大小 for (int i 0; i f.length; i) { // 更新频率出现的次数 count.put(f[i], count.getOrDefault(f[i], 0) 1); // 只记录每个频率第一次出现的任务大小 size.putIfAbsent(f[i], s[i]); } int totalCost 0; // 初始化总时间 // 遍历所有频率 for (Integer k : count.keySet()) { // 计算当前频率任务的扫描时间 int scanCost count.get(k) * size.get(k); // 计算任务的缓存成本大小 额外时间 m int cacheCost size.get(k) m; // 最终任务的时间为两者中的最小值 totalCost Math.min(scanCost, cacheCost); } return totalCost; // 返回计算得到的总时间 } }C解法解题思路输入数据costCache额外的费用表示任务大小加上缓存的额外时间。identifiers每个任务的标识符频率数组即每个任务的标识符可能有重复表示任务出现的次数。sizes每个任务的大小数组表示每个任务所需的时间。核心思路使用两个 map哈希表occurrence统计每个任务标识符identifiers[i]出现的次数。sizeMap记录每个标识符对应的任务大小sizes[i]。任务大小只记录第一次出现的值后续相同标识符的任务不需要更新任务大小。计算最小金币数对于每个任务标识符 id计算该任务的总时间。如果任务频率为 count(id)每个任务的大小为 sizeMap[id]那么任务组的总时间是 count(id) * sizeMap[id]。然而任务的实际时间应当是 min(count(id) * sizeMap[id], sizeMap[id] costCache)即计算任务的总时间和缓存时间的最小值。最终将所有任务的最小时间加起来得到最小金币数。返回结果输出计算的总金币数。#include iostream #include map #include vector #include sstream using namespace std; // 解析输入字符串为整数数组 vectorint splitToInt(const string input, char delim) { vectorint output; string token; istringstream stream(input); // 按照给定的分隔符拆分字符串并转换为整数 while (getline(stream, token, delim)) { output.push_back(stoi(token)); // 将每个拆分出的字符串转换为整数并存入数组 } return output; } // 计算所需金币 int minCoins(int costCache, const vectorint identifiers, const vectorint sizes) { // 使用map统计每个任务标识符出现的次数 mapint, int occurrence; // 使用map记录每个标识符对应的任务大小 mapint, int sizeMap; // 遍历所有任务标识符 for (int i 0; i identifiers.size(); i) { int id identifiers[i]; occurrence[id]; // 统计任务标识符出现的次数 if (sizeMap.find(id) sizeMap.end()) { // 如果该标识符还没有记录大小 sizeMap[id] sizes[i]; // 记录该标识符对应的任务大小 } } int totalCoins 0; // 总金币数 // 遍历所有任务标识符的出现次数 for (const auto item : occurrence) { int id item.first; // 任务标识符 // 计算任务的最小花费取任务总扫描时间和缓存时间的最小值 totalCoins min(item.second * sizeMap[id], sizeMap[id] costCache); } return totalCoins; // 返回计算得到的总金币数 } // 主函数负责调用逻辑并处理输入 int main() { int costCache; cin costCache; // 读取额外的缓存时间 string idStr, sizeStr; cin.ignore(); // 跳过多余的空行 getline(cin, idStr); // 读取任务标识符序列 vectorint identifiers splitToInt(idStr, ); // 将标识符拆分成整数数组 getline(cin, sizeStr); // 读取任务大小序列 vectorint sizes splitToInt(sizeStr, ); // 将大小拆分成整数数组 // 调用minCoins函数计算最小金币数并输出结果 cout minCoins(costCache, identifiers, sizes) endl; return 0; }JS解法解题思路输入数据cacheSize额外的缓存费用可以理解为给任务额外分配的时间或空间。files每个任务的标识符数组表示任务的不同标识符可能重复表示任务的频率。scanCosts每个任务的扫描成本数组表示任务完成时所需的时间。核心思路对于每个任务标识符计算其总的扫描成本和缓存成本扫描成本是任务出现的次数 count(file) 与该任务的扫描时间 cost(file) 的乘积即 count(file) * cost(file)。缓存成本是任务大小 cost(file) 加上额外的时间 cacheSize即 cost(file) cacheSize。对于每个任务标识符选择这两者中的最小值作为该任务的实际成本。最终计算所有任务的总成本。详细步骤首先遍历任务标识符数组 files记录每个标识符出现的次数fileCount以及该标识符对应的扫描成本fileCost。然后对于每个不同的任务标识符计算该标识符的最小成本最终累加得到总的最小成本。返回结果输出所有任务的最小总成本const readline require(readline); // 创建输入接口用于处理标准输入 const rl readline.createInterface({ input: process.stdin, output: process.stdout, }); // 用于存储输入的数据 const inputs []; // 监听每一行输入 rl.on(line, (line) { // 将输入行存储到 inputs 数组 inputs.push(line); // 当所有输入都读取完毕总共读取 3 行输入 if (inputs.length 3) { // 第一行缓存大小 const cacheSize parseInt(inputs[0]); // 第二行任务标识符数组 const files inputs[1].split( ).map(Number); // 第三行任务扫描成本数组 const scanCosts inputs[2].split( ).map(Number); // 计算并输出最小成本 console.log(calculateMinCost(cacheSize, files, scanCosts)); // 清空 inputs 数组准备下次输入 inputs.length 0; } }); // 计算最小成本的函数 function calculateMinCost(cacheSize, files, scanCosts) { // 用于存储每个任务标识符出现的次数 const fileCount {}; // 用于存储每个任务标识符对应的扫描成本 const fileCost {}; // 遍历所有任务标识符 files.forEach((file, index) { // 更新该任务标识符出现的次数 if (!fileCount[file]) fileCount[file] 0; fileCount[file]; // 记录该任务标识符对应的扫描成本只记录第一次出现的任务 if (!fileCost[file]) { fileCost[file] scanCosts[index]; } }); // 计算所有任务的最小成本并返回总和 return Object.keys(fileCount).reduce((total, file) { const count fileCount[file]; // 任务标识符出现的次数 const cost fileCost[file]; // 任务标识符的扫描成本 // 对于每个任务选择扫描成本和缓存成本的最小值 return total Math.min(count * cost, cost cacheSize); }, 0); // 初始总成本为 0 }