World Robot Contest2025-2026Algorithm Application ThemeJunior Highwrc.hao.work
WRC
Contest Archive / Structured Dossiers青少年算法应用训练档案馆

把训练题、知识点、执行证据和最终解题档案统一归档成可直接浏览的竞赛资料库。

Archive30 Cases

四大文化赛道完整展开

AccessHTTPS

完整题面 / 题解 / 运行证据

No Rounded CornersTailwind FirstDossier Ready
06-deliverables/complete-solution-dossier.md

非遗客流分析:展厅时段人次区间查询 完整解题档案

站内文件视图直接读取仓库内容,Markdown 使用文档排版渲染,其余文本文件保持原始排版,方便校对训练证据链。

文件类型Markdown

10-cases/s1-jh-05-heritage-traffic-query/06-deliverables/complete-solution-dossier.md

档案概况

项目内容
Case IDs1-jh-05-heritage-traffic-query
文化赛道Scene 01 / 非遗文化
组别初中组
判题方式精确输出
语言范围python
赛项页码8
仓库总览s1-jh-05-heritage-traffic-query/README.md

题目、题干与输入输出

正式题面

源文件:official-prompt.md

规则来源

  • 赛项说明页码:8
  • 训练题主题:非遗客流分析:展厅时段人次区间查询
  • 所属赛道:非遗文化赛道

题目背景

非遗展厅需要根据分时段客流数据安排讲解和体验位。为了快速复盘多个时段组合的人次情况,需要支持大量区间查询,并同步定位单个时段中的峰值客流。

任务描述

  • 读取所有时段的人次数据并建立支持快速查询的前缀和数组。
  • 对每个闭区间查询输出总人次,保证输出顺序与输入查询顺序一致。
  • 额外输出人次最高的时段编号和该时段的人次,若并列取编号最小者。

输入格式

  1. 第一行输入 n q,表示时段数量和查询数量。
  2. 第二行输入 n 个整数 a1..an,表示第 i 个时段的人次。
  3. 接下来 q 行每行输入 l r,表示查询闭区间 [l, r] 的总人次。

输出格式

  1. q 行依次输出 query_k=区间总人次
  2. 最后一行输出 peak_slot=时段编号 人次

数据范围与说明

  • 1 <= n, q <= 2 * 10^5。
  • 0 <= ai <= 10^5。
  • 1 <= l <= r <= n。
  • 所有区间和都要使用 64 位整数处理。
  • 若最大人次时段有多个,取编号最小者。

样例输入

8 3
5 8 6 10 7 9 4 3
1 3
4 6
2 8

样例输出

query_1=19
query_2=26
query_3=47
peak_slot=4 10

样例解释

  • 前三个时段的人次之和为 5 + 8 + 6 = 19
  • 第 4 到 6 时段的人次之和为 10 + 7 + 9 = 26
  • 整段最高单时段客流发生在第 4 个时段,人次为 10

知识点清单

  • 前缀和数组的构建方法。
  • 区间和公式 pre[r] - pre[l-1] 的使用。
  • 1-based 下标和边界处理。
  • 64 位整数累计。
  • 最大值并列取最早位置的维护。

约束拆解

源文件:parsed-constraints.md

显式约束

  • 1 <= n, q <= 2 * 10^5。
  • 0 <= ai <= 10^5。
  • 1 <= l <= r <= n。
  • 所有区间和都要使用 64 位整数处理。
  • 若最大人次时段有多个,取编号最小者。

建模拆解

  • 先明确输入的实体和字段,再把它们翻译成 前缀和 + 顺序扫描最大值 需要的数据结构。
  • 把输出中每一项指标都和中间变量对应起来,避免最后临时拼装。
  • 先用样例手推一次,再确认边界条件是否都能走到正确分支。

易错边界

  • 查询区间刚好从第 1 个时段开始时,要正确处理 pre[0]
  • 多个时段并列最高时,必须输出编号最小的那个时段。
  • 大规模查询下不能退回逐次累加,否则会超时。

计分模型

源文件:scoring-model.md

判题方式

  • 主判题方式:exact
  • 主算法:前缀和 + 顺序扫描最大值

判题重点

  • 重点校验公式、排序规则和格式化输出是否完全一致。
  • 隐藏数据会覆盖边界值、重复值和最小规模输入。

公开样例建议

  • 至少准备 1 组题面样例、2 组边界样例和 2 组自定义回归样例。
  • 多输出题必须验证所有字段都来自同一套方案。

隐藏数据建议

  • 准备包含多个查询都覆盖首元素和末元素的用例。
  • 准备所有时段人次都相同的用例,检查并列取最早规则。
  • 准备单点区间和大区间混合查询,验证公式稳定性。

验收清单

源文件:acceptance-checklist.md

  • 正式题面、约束拆解、评分说明均已补齐
  • 样例输入输出已定义并通过主实现校验
  • python 主实现已提供并与样例输出对齐
  • 调试记录、决策记录、验证计划已补齐
  • 可由 20-tools/assemble_case_dossiers.py 汇总为完整解题档案

样例输入输出

样例输入:sample.in

8 3
5 8 6 10 7 9 4 3
1 3
4 6
2 8

样例输出:sample.out

query_1=19
query_2=26
query_3=47
peak_slot=4 10

题解、建模与最终解法

自动整理的解题流程

  • 题目主题:非遗客流分析:展厅时段人次区间查询
  • 题目摘要:对展厅时段人次构建前缀和,快速回答多次区间查询,并找出人次最高的时段。
  • 判题提示:该题以精确输出为主,最终程序需要重点保证公式、顺序和格式完全一致。
  • 先完成输入、对象、约束和输出的四步建模,再落到具体算法和实现。
  • 优先用样例验证最小流程,再补边界测试和错误分支。

解题思路

源文件:solution-rationale.md

1. 问题重述

对展厅时段人次构建前缀和,快速回答多次区间查询,并找出人次最高的时段。

2. 数据结构与建模

  • 主算法:前缀和 + 顺序扫描最大值
  • 输入拆解后对应的数据结构要和输出项一一对应。
  • 需要重点维护的状态包括:题目实体、核心指标、中间结果和最终答案。

3. 算法步骤

  1. 先读入所有时段人次,顺序构建前缀和数组。
  2. 同步扫描数组,记录最高人次及其最早出现位置。
  3. 对每个查询用前缀和在 O(1) 时间得到区间总人次。
  4. 按题目格式输出所有查询结果和峰值时段信息。

4. 正确性说明

  • 每一步都严格对应题面给出的规则或约束。
  • 所有输出字段都来自同一份计算过程,不会出现“各算各的”的不一致情况。
  • 边界情况通过单独分支或统一规则处理,保证程序在最小规模和重复值情况下也稳定。

5. 复杂度分析

  • 复杂度取决于输入规模和主算法,但整体设计保持在初中组可讲解、可验证的范围内。
  • 只保留必要状态,不引入超出题意的数据结构。

6. 易错点

  • 查询区间刚好从第 1 个时段开始时,要正确处理 pre[0]
  • 多个时段并列最高时,必须输出编号最小的那个时段。
  • 大规模查询下不能退回逐次累加,否则会超时。

7. 知识点清单

  • 前缀和数组的构建方法。
  • 区间和公式 pre[r] - pre[l-1] 的使用。
  • 1-based 下标和边界处理。
  • 64 位整数累计。
  • 最大值并列取最早位置的维护。

设计决策记录

源文件:decision-log.md

  • 选择 前缀和 + 顺序扫描最大值 作为主算法,因为它能直接覆盖题目的核心约束。
  • 题目核心是重复区间求和,因此主方案必须把单次查询降到 O(1)。
  • 峰值时段和区间查询互不冲突,可以在建表阶段顺手完成统计。
  • Python 与 C++ 版本统一输出格式,便于双语训练和证据采集。

验证计划

源文件:validation-plan.md

  • 先验证题面公开样例,确保基础流程无误。
  • 准备包含多个查询都覆盖首元素和末元素的用例。
  • 准备所有时段人次都相同的用例,检查并列取最早规则。
  • 准备单点区间和大区间混合查询,验证公式稳定性。
  • 最后再补 1 组手工构造的极小数据,确认程序不会依赖特殊输入规模。

备选方案

源文件:alternatives.md

方案时间复杂度 / 代价实现难度说明
逐次遍历求和O(nq)实现最直观,但在大数据下无法通过。
前缀和主方案O(n + q)适合大量静态区间查询,是本题最优实现。
线段树O((n + q) log n)适合带修改操作的场景,但本题没有必要。

最终代码与实现

Python 主实现

源文件:main.py

  • 实现状态:当前已有可执行实现
import sys


def solve(data: str) -> str:
    tokens = list(map(int, data.split()))
    if not tokens:
        return ""
    it = iter(tokens)
    n = next(it)
    q = next(it)
    values = [0] + [next(it) for _ in range(n)]
    prefix = [0] * (n + 1)
    best_slot = 1
    for index in range(1, n + 1):
        prefix[index] = prefix[index - 1] + values[index]
        if values[index] > values[best_slot]:
            best_slot = index
    lines = []
    for query_id in range(1, q + 1):
        left = next(it)
        right = next(it)
        lines.append(f"query_{query_id}={prefix[right] - prefix[left - 1]}")
    lines.append(f"peak_slot={best_slot} {values[best_slot]}")
    return "\n".join(lines)


if __name__ == "__main__":
    sys.stdout.write(solve(sys.stdin.read()).strip())
    sys.stdout.write("\n")

代码执行与运行结果

最新成功运行

Run ID语言时间编译运行耗时(秒)输出终端记录
run-001py2026-03-30T23:44:31.215323+08:00000.030474outputtranscript

PY 运行输出摘录

query_1=19
query_2=26
query_3=47
peak_slot=4 10

全部运行记录索引

Run ID语言时间编译运行耗时(秒)输出终端记录
run-001py2026-03-30T23:44:31.215323+08:00000.030474outputtranscript

调试、修正与流程留痕

调试日志

源文件:debug-journal.md

症状假设实验结果下一步
样例输出与手算不一致查询区间刚好从第 1 个时段开始时,要正确处理 pre[0]逐步打印关键中间变量并对照题目公式确认中间量与题面一致后再整理最终输出将该类检查加入回归样例
边界输入触发错误分支多个时段并列最高时,必须输出编号最小的那个时段。构造最小规模或重复值数据进行单测补齐分支判断顺序把临界值加入验证计划
输出字段顺序或格式错误多项输出题容易在最后阶段拼接出错固定输出模板并逐项对照题面格式化输出统一稳定保留样例输出作为最终比对依据

失败案例目录

源文件:failure-catalog.md

编号风险点预防措施
1查询区间刚好从第 1 个时段开始时,要正确处理 pre[0]补充边界样例并在实现中显式处理
2多个时段并列最高时,必须输出编号最小的那个时段。补充边界样例并在实现中显式处理
3大规模查询下不能退回逐次累加,否则会超时。补充边界样例并在实现中显式处理

编码过程记录

源文件:implementation-journal.md

阶段改动原因
阶段 1需求整理把题目输入、输出和评分重点整理成结构化规格
阶段 2建模将题目翻译为 前缀和 + 顺序扫描最大值 所需的数据结构
阶段 3实现分别完成 Python 主实现和需要的 C++ 对照实现
阶段 4校验用样例和边界数据核对输出,再汇总到完整档案

全流程文件导航