课程能力地图

三条主轴

算法初步

• 把题目中的对象、约束、目标转成变量与数据结构
• 根据条件、循环、排序、查找、统计、路径规划等方法组织解法
• 理解时间复杂度与边界条件

编程实践

• 使用标准输入输出实现可评测程序
• 拆分函数、组织模块、验证样例
• 记录调试过程、异常处理和性能优化

跨学科应用

• 将文化场景转化为可计算模型
• 在非遗、红色、丝路、民族文化背景下进行数据分析与规划
• 用程序解释现实场景中的成本、流程、传播和资源调度问题

与赛项的关系

• 场景一偏向成本计算、流程模拟、数据标准化和综合分析
• 场景二偏向路径规划、趋势分析、传播模拟和战术决策
• 场景三偏向贸易换算、载重优化、工期评估和生态建模
• 场景四偏向编码复原、生产规划、宣传分析和资源分配

Case 与知识点映射表

算法基础总览

• 控制流程与数据表示
• 排序、统计与路径规划

本分区解决“算法初步”主轴中的基础变量、条件、循环、统计、排序和路径规划问题。

---

kb_id: kb-algo-01 title: 控制流程与数据表示 category: algorithm-basics related_scenes:

• scene-1
• scene-2
• scene-3
• scene-4 related_cases:
• s1-jh-01-heritage-costing
• s2-jh-01-route-supply related_languages:
• python
• cpp

---

控制流程与数据表示

概念定义

程序需要先把题目里的对象转成变量，再用条件和循环组织处理顺序。

赛项中的出现方式

• 用循环累计成本、产量、路程
• 用条件判断异常、等级、策略
• 用列表、数组、字典保存批量数据

Python 实现要点

• 使用 list、dict、tuple 表达结构化数据
• 输入读取优先使用 input().split() 或 sys.stdin.read()

C++ 实现要点

• 使用 vector、pair、struct
• 注意索引范围和整数类型

常见错误

• 变量含义不清导致统计维度混乱
• 循环边界写错
• 输入格式与题面不一致

排序、统计与路径规划

适用场景

• 多维指标排序
• 批量数据统计
• 图上最短路和资源约束路线

方法清单

• 排序：按主关键字和次关键字稳定排序
• 统计：计数、分组累计、平均值、最大最小值
• 路径：BFS、Dijkstra、状态扩展最短路

关联 case

• s1-jh-04-heritage-multi-analysis
• s2-jh-01-route-supply
• s4-jh-04-resource-allocation

编程实践总览

• 标准输入输出与模块组织
• 测试、日志与证据留存

本分区关注如何把思路写成可运行、可调试、可留痕的程序。

标准输入输出与模块组织

输入输出规范

• 所有训练题默认采用标准输入和标准输出
• 程序不输出额外提示语
• 输出格式要与题面严格一致

模块组织建议

• parse_input
• solve
• format_output
• main

调试建议

• 先用样例输入跑通
• 再构造边界输入
• 把中间变量写入调试日志，不写入正式输出

测试、日志与证据留存

为什么要留痕

本仓库不仅保存答案，也保存需求分析、算法设计、调试过程和运行结果。

建议保存的内容

• 编译输出
• 标准输出与错误输出
• 耗时与返回码
• 关键截图
• 调试记录
• 最终报告 PDF

跨学科建模总览

• 跨学科建模模式

本分区解释如何把文化场景、工艺流程、运输规划和传播问题转成可计算模型。

跨学科建模模式

常见模式

• 成本核算：单价、规格、损耗、批量计算
• 流程模拟：步骤、状态、异常、恢复策略
• 数据管理：清洗、标准化、筛选、输出
• 综合分析：排序、加权、分级、策略建议
• 资源调度：路线、容量、时间、人力约束

建模步骤

1. 找对象
2. 找属性
3. 找约束
4. 找目标
5. 选算法
6. 设计输入输出

文化主题库总览

• 非遗文化建模背景
• 红色文化建模背景
• 丝路文化建模背景
• 民族文化建模背景

本分区用于补足题目中的文化上下文，让“跨学科应用”不只是换皮故事。

民族文化建模背景

常见可建模对象

• 纹样编码与复原
• 游牧、梯田、索道等生产生活规划
• 文旅宣传热度预测
• 原料、人力、预算分配

非遗文化建模背景

常见可建模对象

• 剪纸原料与规格
• 糖画或蜡染流程
• 工艺数据标准化
• 匠人效率分级

对应题型

• 成本核算
• 流程仿真
• 数据清洗
• 多维评价

红色文化建模背景

常见可建模对象

• 路线与物资调度
• 根据地建设数据
• 传播活动与覆盖人数
• 战术决策规则

关联 case

• s2-jh-01-route-supply
• s2-jh-02-livelihood-trend
• s2-jh-03-propagation-sim
• s2-jh-04-tactical-decision

丝路文化建模背景

常见可建模对象

• 货币兑换与关税
• 驼队载重与补给
• 技术传播工期
• 生态与行程计算

题型方法库总览

• 题型方法库

统一题型标签：

• 复杂计算
• 流程模拟
• 数据管理
• 综合分析
• 路径规划
• 趋势分析
• 传播仿真
• 规则决策与资源分配

题型方法库

复杂计算题

重点是把多个维度的规格、单价、损耗或换算关系写清楚。

流程模拟题

重点是状态更新、循环过程和异常处理。

数据管理题

重点是格式统一、筛选、清洗和结构化输出。

综合分析题

重点是排序、评分、分级和策略建议。

路径规划与资源调度题

重点是图建模、最短路、容量与供给约束。

趋势分析题

重点是时间序列统计、清洗、均值或窗口分析以及预测值计算。

传播仿真题

重点是活动、渠道、受众和覆盖规则的模拟。

规则决策与资源分配题

重点是多条件规则翻译、状态决策、背包或资源上限约束。

语言指引总览

• Python 赛题实现指引
• C++ 赛题实现指引
• 双语言对照检查表

C++ 赛题实现指引

推荐做法

• 使用 ios::sync_with_stdio(false); cin.tie(nullptr);
• 用 vector、string、map、priority_queue
• 使用 long long 处理较大整数

常见坑

• 下标越界
• 未初始化变量
• 整数溢出

双语言对照检查表

• 输入解析规则是否一致
• 排序与 tie-break 是否一致
• 整数除法和四舍五入规则是否一致
• 输出格式是否逐字符一致
• 样例是否同时通过

Python 赛题实现指引

推荐做法

• 使用 sys.stdin.read() 或 input() 读取数据
• 把主逻辑写到 solve() 中
• 尽量使用标准库，避免外部依赖

常见坑

• 字符串和整数混用
• 列表越界
• 忘记处理空输入或最后一行换行

调试与优化总览

• 调试与优化手册

调试与优化手册

调试顺序

1. 样例是否通过
2. 边界数据是否通过
3. 异常输入是否处理
4. 性能是否达标

优化方向

• 减少重复计算
• 先筛选再排序
• 使用合适的数据结构
• 把复杂逻辑拆成函数便于定位问题

术语与速查表总览

• 术语表
• 比赛速查表

比赛速查表

• 先读题并圈出输入、输出、约束、目标
• 写出样例推演过程
• 先完成可运行主版本
• 再补边界测试与优化
• 最后检查输出格式和复杂度

术语表

• 路径规划：在图或网格中寻找满足约束的路线
• 资源调度：在时间、人力、物资约束下安排任务
• 数据标准化：把不同格式的数据统一成可处理结构
• 流程模拟：按步骤和状态变化还原真实过程
• 综合分析：对多个指标排序、比较并给出结论

学习路线总览

• 初学者路线
• 冲刺路线
• 双语言训练路线

初学者路线

1. 先学输入输出、变量、条件、循环
2. 再学排序、统计、字符串处理
3. 再做复杂计算和数据管理题
4. 最后进入流程模拟和路径规划

双语言训练路线

• 先用 Python 验证思路
• 再用 C++ 做同题复现
• 检查整数类型、排序稳定性和输出格式
• 把同题双语言的差异写回知识库

冲刺路线

• 先做场景二和场景三的分析类题
• 再做场景一和场景四的流程与分配题
• 每题至少保留 1 次完整运行证据
• 对多解题总结 3 到 5 种策略差异