搜尋
首頁後端開發Python教學代碼的出現 &#- 天爪裝置

Advent of Code

第 13 天:爪子裝置(數學、數學和更多數學)。

解決方案連結

今天的挑戰是用 Python 完成的,但有所改變。做出此選擇是為了:
a) 測試我的 python / 了解更多 python
b) 今天看起來像是一個非常沉重的數學難題,所以覺得 Python 會是完美的,我沒有錯 - 它快如閃電。

歡迎來到今天的難題,數學課悲傷的臉,我不知道如何解決這個問題(第二部分),一開始我暴力破解,循環(最多100 次)直到找到正確的「路線」。

正如預期的那樣,第 1 部分效果很好。然而,對於第二部分,我知道情況不會如此,所以回去尋找數學方法,我有一種預感,這一定是團隊推動我們前進的方向。谷歌搜尋後,經過大量搜索,我發現了克萊默規則(老實說,我第一次聽說它)。

任務是:

按下按鈕計算獲得獎品的最低成本。

對於第 1 部分,確定是否可以透過按下按鈕到達目標,以及如果按下 100 次即可成功贏得的獎品的最高數量是多少,以及這樣做的成本。

對於第 2 部分,透過處理大座標偏移來優化效能,本質上消除了 100 次按鈕按下限制,並將獎品位置推入深淵。

解決方案

克萊默法則似乎是解決這個問題的絕佳方法,因為它可以讓您有效地求解描述如何移動爪子以在每台機器中獲得獎品的線性方程式。讓我們來分析一下克萊默規則適用的原因和方式:

問題分解

對於每台抓娃娃機,我們有兩個方程式:

方程式 1(取自按鈕 A):
a1 * A b1 * B = c1

方程式 2(來自按鈕 B):
a2 * A b2 * B = c2

其中a1b1是按鈕A沿X軸和Y軸的移動,A是按下A按鈕的次數,c1是目標位置在X 軸上(獎品位置)。

其中a2和b2是按鈕B沿X軸和Y軸的移動,B是按下B按鈕的次數,c2是Y軸上的目標位置(獎品位置)。

對於每台夾娃娃機,我們想要求解按下按鈕A 和B 的次數(需要按下按鈕A 和B 的次數),從而將夾娃娃與坐標(c1, c2) 處的獎品對齊在X 和Y 軸上。

為什麼克萊默規則有用

克萊默法則專門用來求解線性方程組。線性方程組只是一組兩個或多個共享公共變數的方程,目標是找​​到同時滿足所有方程的變數的值。

簡單來說:

想像你有多個方程式來描述事物之間的關係。

每個方程式都使用相同的變數(例如 x 和 y),並且您試圖找到這些變數的值,使所有方程式同時成立。

在這種情況下,每台機器的按鈕配置可以表示為 2x2 線性方程組,其中我們求解兩個未知數,A(按下按鈕 A)和 B(按下按鈕 B)。

開發人員如何知道將來使用克萊默規則?

方程組:開發人員要做的第一件事就是確定問題需要解線性方程組。

模式識別:開發人員認識到這是一個 2x2 系統,並且克萊默規則是解決該問題的直接方法。

*行列式與矩陣:*他們記得行列式可以用來解線性方程式中的未知數,如果行列式為零,則表示有問題(無解或無限解)。

簡單明了:克萊默法則提供了一種簡單、直接的方法來找出 A 和 B 的值,而不需要迭代方法或複雜的代數。

例:第一台夾娃娃機

按鈕動作及獎品位置如下:

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.

我們有方程組:

94 * A + 22 * B = 8400   (Equation for X-axis)
34 * A + 67 * B = 5400   (Equation for Y-axis)

第 1 步:計算行列式
主要決定因素 D:
行列式 D 使用下列公式計算:

D = a1 * b2 - a2 * b1

替換值:

D = (94 * 67) - (34 * 22)
D = 6298 - 748
D = 5550

A、D_x 的行列式:
接下來,我們使用以下公式計算行列式 D_x:

D_x = c1 * b2 - c2 * b1

替換值:

D_x = (8400 * 67) - (5400 * 22)
D_x = 562800 - 118800
D_x = 444000

B、D_y 的行列式:
現在,使用以下公式計算行列式 D_y:

D_y = a1 * c2 - a2 * c1

替換值:

D_y = (94 * 5400) - (34 * 8400)
D_y = 507600 - 285600
D_y = 222000

第 2 步:解 A 和 B
使用克萊默法則,我們現在解決 A 和 B:

A = D_x / D
B = D_y / D

求解 A:

A = 444000 / 5550
A = 80

求解 B:

B = 222000 / 5550
B = 40

第 3 步:檢查有效整數
A和B都是整數,也就是說這個夾娃娃機是有可能中獎的。

第 4 步:計算總成本
按下按鈕 A 的成本是 3 個令牌,按下按鈕 B 的成本是 1 個令牌。所以,贏得獎品的總成本是:

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.

第 2 部分 - 使用相同的邏輯,唯一的區別是我們在獎品座標的 X 軸和 Y 軸上添加 10^13 偏移量。

我知道這很多,並且相信我也花了很多時間來理解/理解它。很高興能與您聊天,您可以透過 Twitter 與我聯繫。

以上是代碼的出現 &#- 天爪裝置的詳細內容。更多資訊請關注PHP中文網其他相關文章!

陳述
本文內容由網友自願投稿,版權歸原作者所有。本站不承擔相應的法律責任。如發現涉嫌抄襲或侵權的內容,請聯絡admin@php.cn
如何使用Python查找文本文件的ZIPF分佈如何使用Python查找文本文件的ZIPF分佈Mar 05, 2025 am 09:58 AM

本教程演示如何使用Python處理Zipf定律這一統計概念,並展示Python在處理該定律時讀取和排序大型文本文件的效率。 您可能想知道Zipf分佈這個術語是什麼意思。要理解這個術語,我們首先需要定義Zipf定律。別擔心,我會盡量簡化說明。 Zipf定律 Zipf定律簡單來說就是:在一個大型自然語言語料庫中,最頻繁出現的詞的出現頻率大約是第二頻繁詞的兩倍,是第三頻繁詞的三倍,是第四頻繁詞的四倍,以此類推。 讓我們來看一個例子。如果您查看美國英語的Brown語料庫,您會注意到最頻繁出現的詞是“th

我如何使用美麗的湯來解析HTML?我如何使用美麗的湯來解析HTML?Mar 10, 2025 pm 06:54 PM

本文解釋瞭如何使用美麗的湯庫來解析html。 它詳細介紹了常見方法,例如find(),find_all(),select()和get_text(),以用於數據提取,處理不同的HTML結構和錯誤以及替代方案(SEL)

python中的圖像過濾python中的圖像過濾Mar 03, 2025 am 09:44 AM

處理嘈雜的圖像是一個常見的問題,尤其是手機或低分辨率攝像頭照片。 本教程使用OpenCV探索Python中的圖像過濾技術來解決此問題。 圖像過濾:功能強大的工具圖像過濾器

如何使用TensorFlow或Pytorch進行深度學習?如何使用TensorFlow或Pytorch進行深度學習?Mar 10, 2025 pm 06:52 PM

本文比較了Tensorflow和Pytorch的深度學習。 它詳細介紹了所涉及的步驟:數據準備,模型構建,培訓,評估和部署。 框架之間的關鍵差異,特別是關於計算刻度的

Python中的平行和並發編程簡介Python中的平行和並發編程簡介Mar 03, 2025 am 10:32 AM

Python是數據科學和處理的最愛,為高性能計算提供了豐富的生態系統。但是,Python中的並行編程提出了獨特的挑戰。本教程探討了這些挑戰,重點是全球解釋

如何在Python中實現自己的數據結構如何在Python中實現自己的數據結構Mar 03, 2025 am 09:28 AM

本教程演示了在Python 3中創建自定義管道數據結構,利用類和操作員超載以增強功能。 管道的靈活性在於它能夠將一系列函數應用於數據集的能力,GE

python對象的序列化和避難所化:第1部分python對象的序列化和避難所化:第1部分Mar 08, 2025 am 09:39 AM

Python 對象的序列化和反序列化是任何非平凡程序的關鍵方面。如果您將某些內容保存到 Python 文件中,如果您讀取配置文件,或者如果您響應 HTTP 請求,您都會進行對象序列化和反序列化。 從某種意義上說,序列化和反序列化是世界上最無聊的事情。誰會在乎所有這些格式和協議?您想持久化或流式傳輸一些 Python 對象,並在以後完整地取回它們。 這是一種在概念層面上看待世界的好方法。但是,在實際層面上,您選擇的序列化方案、格式或協議可能會決定程序運行的速度、安全性、維護狀態的自由度以及與其他系

Python中的數學模塊:統計Python中的數學模塊:統計Mar 09, 2025 am 11:40 AM

Python的statistics模塊提供強大的數據統計分析功能,幫助我們快速理解數據整體特徵,例如生物統計學和商業分析等領域。無需逐個查看數據點,只需查看均值或方差等統計量,即可發現原始數據中可能被忽略的趨勢和特徵,並更輕鬆、有效地比較大型數據集。 本教程將介紹如何計算平均值和衡量數據集的離散程度。除非另有說明,本模塊中的所有函數都支持使用mean()函數計算平均值,而非簡單的求和平均。 也可使用浮點數。 import random import statistics from fracti

See all articles

熱AI工具

Undresser.AI Undress

Undresser.AI Undress

人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover

AI Clothes Remover

用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool

Undress AI Tool

免費脫衣圖片

Clothoff.io

Clothoff.io

AI脫衣器

AI Hentai Generator

AI Hentai Generator

免費產生 AI 無盡。

熱門文章

R.E.P.O.能量晶體解釋及其做什麼(黃色晶體)
2 週前By尊渡假赌尊渡假赌尊渡假赌
倉庫:如何復興隊友
4 週前By尊渡假赌尊渡假赌尊渡假赌
Hello Kitty Island冒險:如何獲得巨型種子
4 週前By尊渡假赌尊渡假赌尊渡假赌

熱工具

PhpStorm Mac 版本

PhpStorm Mac 版本

最新(2018.2.1 )專業的PHP整合開發工具

Safe Exam Browser

Safe Exam Browser

Safe Exam Browser是一個安全的瀏覽器環境,安全地進行線上考試。該軟體將任何電腦變成一個安全的工作站。它控制對任何實用工具的訪問,並防止學生使用未經授權的資源。

SublimeText3 英文版

SublimeText3 英文版

推薦:為Win版本,支援程式碼提示!

Dreamweaver CS6

Dreamweaver CS6

視覺化網頁開發工具

SublimeText3 Mac版

SublimeText3 Mac版

神級程式碼編輯軟體(SublimeText3)