Jour 13 : Claw Contraption (Maths, Maths et encore Maths).
Lien vers la solution
Le défi d'aujourd'hui a été réalisé en Python pour changer. Ce choix a été fait pour :
a) tester mon python / en savoir plus sur python
b) cela ressemblait à un casse-tête mathématique très lourd aujourd'hui, alors je pensais que Python serait parfait, et je n'avais PAS tort - c'était rapide comme l'éclair.
Bienvenue dans le puzzle d'aujourd'hui, une leçon de mathématiques visage triste, je ne savais pas comment résoudre celui-ci (Partie 2), au début je l'ai forcé brutalement, en boucle ( max de 100 fois) jusqu'à trouver le bon "itinéraire".
Ce qui a bien fonctionné pour la partie 1, comme prévu. Cependant, pour la partie 2, je savais que cela n'allait pas être le cas, alors je suis revenu et j'ai cherché une approche mathématique. J'avais le pressentiment que ce serait vers cela que l'équipe nous poussait. En cherchant sur Google, et après beaucoup de recherches, je suis tombé sur Cramers Rule (la première fois que j'en entendais parler).
La tâche consistait à :
Calculez le coût minimum pour atteindre le prix en appuyant sur les boutons.
Pour la première partie, déterminez s'il est possible d'atteindre l'objectif en appuyant sur des boutons, et si c'est le plus grand nombre de prix que vous pouvez gagner avec succès en 100 pressions et le coût pour le faire.
Pour la partie 2, optimisez les performances en gérant de grands décalages de coordonnées, supprimant ainsi la limite de 100 pressions sur les boutons et en poussant l'emplacement du prix dans l'abîme.
Solution
La règle de Cramer semble être une excellente approche pour résoudre ce problème car elle permet de résoudre efficacement des équations linéaires qui décrivent comment déplacer la griffe pour atteindre le prix dans chaque machine. Décrivons pourquoi et comment la règle de Cramer s'applique :
Répartition du problème
Pour chaque machine à griffes, nous avons deux équations :
Équation 1 (du bouton A) :
a1 * A b1 * B = c1
Équation 2 (à partir du bouton B) :
a2 * A b2 * B = c2
Où a1 et b1 sont les mouvements le long des axes X et Y pour le bouton A, A est le nombre de fois où le bouton A est enfoncé et c1 est la position cible sur l'axe X (emplacement du prix).
où a2 et b2 sont les mouvements le long des axes X et Y pour le bouton B, B est le nombre de fois que le bouton B est enfoncé et c2 est la position cible sur l'axe Y (emplacement du prix).
Pour chaque machine à griffes, nous voulons déterminer le nombre de pressions sur les boutons A et B (le nombre de fois où les boutons A et B doivent être enfoncés) qui alignera la griffe avec le prix aux coordonnées (c1, c2) sur les axes X et Y.
Pourquoi la règle de Cramer est utile
La règle de Cramer est spécialement conçue pour résoudre des systèmes d'équations linéaires. Un système d'équations linéaires est simplement un ensemble de deux ou plusieurs équations partageant des variables communes, et le but est de trouver des valeurs pour ces variables qui satisfont toutes les équations à la fois.
En termes plus simples :
Imaginez que vous ayez plusieurs équations qui décrivent comment les choses sont liées.
Chaque équation utilise les mêmes variables (par exemple, x et y), et vous essayez de trouver des valeurs pour ces variables qui rendent toutes les équations vraies en même temps.
Dans ce cas, la configuration des boutons de chaque machine peut être représentée comme un système 2x2 d'équations linéaires, où nous résolvons deux inconnues, A (le bouton A appuie) et B (le bouton B appuie).
Comment un développeur saurait-il qu'il utilisera la règle de Cramer à l'avenir ?
Système d'équations : la première chose qu'un développeur fait est d'identifier que le problème nécessite de résoudre un système d'équations linéaires.
Reconnaissance de modèles : Les développeurs reconnaissent qu'il s'agit d'un système 2x2 et que la règle de Cramer est un moyen simple de le résoudre.
*Déterminants et matrices : *Ils rappellent que les déterminants peuvent être utilisés pour résoudre les inconnues dans des équations linéaires, et si le déterminant est nul, cela indique un problème (pas de solutions ou solutions infinies).
Simplicité et clarté : La règle de Cramer fournit une méthode simple et directe pour trouver les valeurs de A et B sans nécessiter de méthodes itératives ou d'algèbre complexe.
Exemple : Machine à première griffe
Les mouvements des boutons et les emplacements des prix sont les suivants :
Button A moves the claw X+94, Y+34. Button B moves the claw X+22, Y+67. Prize location is at X=8400, Y=5400.
Nous avons le système d'équations :
94 * A + 22 * B = 8400 (Equation for X-axis) 34 * A + 67 * B = 5400 (Equation for Y-axis)
Étape 1 : Calculer les déterminants
Déterminant principal D :
Le déterminant D est calculé à l'aide de la formule :
D = a1 * b2 - a2 * b1
Remplacer les valeurs :
D = (94 * 67) - (34 * 22) D = 6298 - 748 D = 5550
Déterminant pour A, D_x :
Ensuite, on calcule le déterminant D_x à l'aide de la formule :
D_x = c1 * b2 - c2 * b1
Remplacer les valeurs :
D_x = (8400 * 67) - (5400 * 22) D_x = 562800 - 118800 D_x = 444000
Déterminant pour B, D_y :
Maintenant, calculez le déterminant D_y en utilisant la formule :
D_y = a1 * c2 - a2 * c1
Remplacer les valeurs :
D_y = (94 * 5400) - (34 * 8400) D_y = 507600 - 285600 D_y = 222000
Étape 2 : Résoudre A et B
En utilisant la règle de Cramer, nous résolvons maintenant A et B :
A = D_x / D B = D_y / D
Résoudre pour A :
A = 444000 / 5550 A = 80
Résoudre pour B :
B = 222000 / 5550 B = 40
Étape 3 : Vérifiez les entiers valides
A et B sont des nombres entiers, ce qui signifie qu'il est possible de gagner le prix pour cette machine à griffes.
Étape 4 : Calculer le coût total
Le coût pour appuyer sur le bouton A est de 3 jetons et le coût pour appuyer sur le bouton B est de 1 jeton. Ainsi, le coût total pour gagner le prix est de :
Button A moves the claw X+94, Y+34. Button B moves the claw X+22, Y+67. Prize location is at X=8400, Y=5400.
Part2 - utilise la même logique, la seule différence est que nous ajoutons le décalage 10^13 aux axes X et Y des coordonnées du prix.
Je sais que c'est beaucoup, et je crois qu'il m'a fallu beaucoup de temps pour comprendre / comprendre cela aussi. Heureux de discuter, vous pouvez me joindre sur Twitter.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Ce tutoriel montre comment utiliser Python pour traiter le concept statistique de la loi de Zipf et démontre l'efficacité de la lecture et du tri de Python de gros fichiers texte lors du traitement de la loi. Vous vous demandez peut-être ce que signifie le terme distribution ZIPF. Pour comprendre ce terme, nous devons d'abord définir la loi de Zipf. Ne vous inquiétez pas, je vais essayer de simplifier les instructions. La loi de Zipf La loi de Zipf signifie simplement: dans un grand corpus en langage naturel, les mots les plus fréquents apparaissent environ deux fois plus fréquemment que les deuxième mots fréquents, trois fois comme les troisième mots fréquents, quatre fois comme quatrième mots fréquents, etc. Regardons un exemple. Si vous regardez le corpus brun en anglais américain, vous remarquerez que le mot le plus fréquent est "th

Traiter avec des images bruyantes est un problème courant, en particulier avec des photos de téléphones portables ou de caméras basse résolution. Ce tutoriel explore les techniques de filtrage d'images dans Python à l'aide d'OpenCV pour résoudre ce problème. Filtrage d'image: un outil puissant Filtre d'image

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Python, un favori pour la science et le traitement des données, propose un écosystème riche pour l'informatique haute performance. Cependant, la programmation parallèle dans Python présente des défis uniques. Ce tutoriel explore ces défis, en se concentrant sur l'interprète mondial

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Ce didacticiel montre la création d'une structure de données de pipeline personnalisée dans Python 3, en tirant parti des classes et de la surcharge de l'opérateur pour une fonctionnalité améliorée. La flexibilité du pipeline réside dans sa capacité à appliquer une série de fonctions à un ensemble de données, GE

La sérialisation et la désérialisation des objets Python sont des aspects clés de tout programme non trivial. Si vous enregistrez quelque chose dans un fichier Python, vous effectuez une sérialisation d'objets et une désérialisation si vous lisez le fichier de configuration, ou si vous répondez à une demande HTTP. Dans un sens, la sérialisation et la désérialisation sont les choses les plus ennuyeuses du monde. Qui se soucie de tous ces formats et protocoles? Vous voulez persister ou diffuser des objets Python et les récupérer dans son intégralité plus tard. C'est un excellent moyen de voir le monde à un niveau conceptuel. Cependant, à un niveau pratique, le schéma de sérialisation, le format ou le protocole que vous choisissez peut déterminer la vitesse, la sécurité, le statut de liberté de maintenance et d'autres aspects du programme

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

MinGW - GNU minimaliste pour Windows
Ce projet est en cours de migration vers osdn.net/projects/mingw, vous pouvez continuer à nous suivre là-bas. MinGW : un port Windows natif de GNU Compiler Collection (GCC), des bibliothèques d'importation et des fichiers d'en-tête librement distribuables pour la création d'applications Windows natives ; inclut des extensions du runtime MSVC pour prendre en charge la fonctionnalité C99. Tous les logiciels MinGW peuvent fonctionner sur les plates-formes Windows 64 bits.

DVWA
Damn Vulnerable Web App (DVWA) est une application Web PHP/MySQL très vulnérable. Ses principaux objectifs sont d'aider les professionnels de la sécurité à tester leurs compétences et leurs outils dans un environnement juridique, d'aider les développeurs Web à mieux comprendre le processus de sécurisation des applications Web et d'aider les enseignants/étudiants à enseigner/apprendre dans un environnement de classe. Application Web sécurité. L'objectif de DVWA est de mettre en pratique certaines des vulnérabilités Web les plus courantes via une interface simple et directe, avec différents degrés de difficulté. Veuillez noter que ce logiciel

Navigateur d'examen sécurisé
Safe Exam Browser est un environnement de navigation sécurisé permettant de passer des examens en ligne en toute sécurité. Ce logiciel transforme n'importe quel ordinateur en poste de travail sécurisé. Il contrôle l'accès à n'importe quel utilitaire et empêche les étudiants d'utiliser des ressources non autorisées.

Adaptateur de serveur SAP NetWeaver pour Eclipse
Intégrez Eclipse au serveur d'applications SAP NetWeaver.

mPDF
mPDF est une bibliothèque PHP qui peut générer des fichiers PDF à partir de HTML encodé en UTF-8. L'auteur original, Ian Back, a écrit mPDF pour générer des fichiers PDF « à la volée » depuis son site Web et gérer différentes langues. Il est plus lent et produit des fichiers plus volumineux lors de l'utilisation de polices Unicode que les scripts originaux comme HTML2FPDF, mais prend en charge les styles CSS, etc. et présente de nombreuses améliorations. Prend en charge presque toutes les langues, y compris RTL (arabe et hébreu) et CJK (chinois, japonais et coréen). Prend en charge les éléments imbriqués au niveau du bloc (tels que P, DIV),
