算法1-2 分数线划定

server/2025/3/4 4:25:12/

题目描述

世博会志愿者的选拔工作正在 A 市如火如荼的进行。为了选拔最合适的人才,A 市对所有报名的选手进行了笔试,笔试分数达到面试分数线的选手方可进入面试。面试分数线根据计划录取人数的 150% 划定,即如果计划录取 m 名志愿者,则面试分数线为排名第 m×150%(向下取整)名的选手的分数,而最终进入面试的选手为笔试成绩不低于面试分数线的所有选手。

现在就请你编写程序划定面试分数线,并输出所有进入面试的选手的报名号和笔试成绩。

输入格式

第一行,两个整数 n,m(5≤n≤5000,3≤m≤n),中间用一个空格隔开,其中 n 表示报名参加笔试的选手总数,m 表示计划录取的志愿者人数。输入数据保证 m×150% 向下取整后小于等于 n。

第二行到第 n+1 行,每行包括两个整数,中间用一个空格隔开,分别是选手的报名号 k(1000≤k≤9999)和该选手的笔试成绩 s(1≤s≤100)。数据保证选手的报名号各不相同。

输出格式

第一行,有 2 个整数,用一个空格隔开,第一个整数表示面试分数线;第二个整数为进入面试的选手的实际人数。

从第二行开始,每行包含 2 个整数,中间用一个空格隔开,分别表示进入面试的选手的报名号和笔试成绩,按照笔试成绩从高到低输出,如果成绩相同,则按报名号由小到大的顺序输出。

输入输出样例

输入 #1

6 3 
1000 90 
3239 88 
2390 95 
7231 84 
1005 95 
1001 88

输出 #1

88 5 
1005 95 
2390 95 
1000 90 
1001 88 
3239 88 

说明/提示

【样例说明】

m×150%=3×150%=4.5,向下取整后为 4。保证 4 个人进入面试的分数线为 88,但因为 88 有重分,所以所有成绩大于等于 88 的选手都可以进入面试,故最终有 5 个人进入面试。

 

#include<iostream>
#include<algorithm>
using namespace std;int n, m;
int a, b;  //面试分数线, 进入面试的选手的实际人数 
int cnt;struct ren{int k;  //报名号int s;  //笔试成绩 
}r[5010];bool cmp(ren x, ren y)
{if(x.s != y.s) return x.s > y.s; if(x.s == y.s) return x.k < y.k;  //成绩相同的人报名号小的排在前 
}int main()
{cin>>n>>m;for(int i=1; i<=n; ++i){cin>>r[i].k>>r[i].s;}//对笔试成绩进行排序 sort(r+1, r+n+1, cmp);//求分数线 b = r[int(m * 1.5)].s;for(int i=1; i<=n; ++i){if(r[i].s >= b) cnt++;} cout<<b<<" "<<cnt<<endl;for(int i=1; i<=cnt; i++){cout<<r[i].k<<" "<<r[i].s<<endl;}return 0;
}


http://www.ppmy.cn/server/172247.html

相关文章

DeepSeek 助力 Vue3 开发:打造丝滑的网格布局(Grid Layout)

前言&#xff1a;哈喽&#xff0c;大家好&#xff0c;今天给大家分享一篇文章&#xff01;并提供具体代码帮助大家深入理解&#xff0c;彻底掌握&#xff01;创作不易&#xff0c;如果能帮助到大家或者给大家一些灵感和启发&#xff0c;欢迎收藏关注哦 &#x1f495; 目录 Deep…

题解 | 牛客周赛82 Java ABCDEF

目录 题目地址 做题情况 A 题 B 题 C 题 D 题 E 题 F 题 牛客竞赛主页 题目地址 牛客竞赛_ACM/NOI/CSP/CCPC/ICPC算法编程高难度练习赛_牛客竞赛OJ 做题情况 A 题 判断字符串第一个字符和第三个字符是否相等 import java.io.*; import java.math.*; import java.u…

代码随想录算法训练营第32天 | 509. 斐波那契数 70. 爬楼梯 746. 使用最小花费爬楼梯

动态规划 动态规划中每一个状态一定是由上一个状态推导出来的 动态规划五步曲&#xff1a; 确定dp数组&#xff08;dp table&#xff09;以及下标的含义确定递推公式dp数组如何初始化确定遍历顺序举例推导dp数组 做动规的题目&#xff0c;写代码之前一定要把状态转移在dp数组…

自然语言处理:稀疏向量表示

介绍 大家好&#xff0c;我是博主。今天又来和大家分享自然语言处理领域的知识了。原本我计划这次分享NLP中文本表示的相关内容&#xff0c;不过在整理分享计划的过程中&#xff0c;发现这部分知识里包含一些涉及复杂数学原理和抽象概念的内容。对于刚接触NLP的小伙伴们来说&a…

Linux :进程状态

目录 1 引言 2 操作系统的资源分配 3进程状态 3.1运行状态 3.2 阻塞状态 3.3挂起状态 4.进程状态详解 4.1 运行状态R 4.2 休眠状态S 4.3深度睡眠状态D 4.4僵尸状态Z 5 孤儿进程 6 进程优先级 其他概念 1 引言 &#x1f33b;在前面的文章中&#xff0c;我们已…

决策树 vs 神经网络:何时使用?

目录 1. 决策树&#xff08;Decision Trees&#xff09;1.1 特点1.2 优点1.3 缺点1.4 适用场景 2. 神经网络&#xff08;Neural Networks&#xff09;2.1 特点2.2 优点2.3 缺点2.4 适用场景 3. 何时选择哪种方法&#xff1f;4. 结合使用的可能性5.总结 在机器学习领域&#xff…

变电站蓄电池在线监测系统(论文+源码)

1系统方案设计 本次课题为变电站蓄电池在线监测系统的设计&#xff0c;其系统架构如图3.1所示&#xff0c;包括了主控制器STC89C52单片机&#xff0c;液晶显示器LCD1602,模数转换器ADC0832&#xff0c;电流传感器ACS712&#xff0c;分压电阻&#xff0c;蜂鸣器以及温度传感器。…

基于决策树和随机森林的鸢尾花种类预测

sklearn中与决策树分类有关的函数是DecisionTreeClassifier函数&#xff0c;本次实验主要使用DecisionTreeClassifier&#xff0c;集成学习由RandomForestRegressor函数指定若干棵决策树。使用这两种函数默认参数。 指定决策树算法。使用criterion"entropy"(信息熵)、…