为了实现这个任务,我们可以使用一个二维数组来存储每个同学之间的当前好感度。每当发生一件事情时,我们更新相应的好感度,并计算当前所有同学之间好感度的最大值。以下是完整的C++代码实现: ```cpp #include <iostream> #include <vector> #include <algorithm> using namespace std; int main() { int n, m; cin >> n >> m; // 初始化好感度矩阵,初始值为0 vector<vector<int>> goodFeeling(n + 1, vector<int>(n + 1, 0)); for (int i = 0; i < m; ++i) { int op, a, b, c; cin >> op >> a >> b >> c; // 更新好感度 if (op == 1) { goodFeeling[b][a] += c; } else { goodFeeling[b][a] -= c; } // 计算当前好感度的最大值 int maxGoodFeeling = 0; for (int j = 1; j <= n; ++j) { for (int k = 1; k <= n; ++k) { if (goodFeeling[j][k] > maxGoodFeeling) { maxGoodFeeling = goodFeeling[j][k]; } } } // 输出当前好感度的最大值 cout << maxGoodFeeling << endl; } return 0; } ``` 代码解释 1. 输入读取: - 首先读取两个整数 `n` 和 `m`,分别表示人数和事件的数量。 - 然后读取 `m` 行事件,每行包含四个整数 `op`, `a`, `b`, `c`。 2. 好感度矩阵初始化: - 使用一个二维向量 `goodFeeling` 来存储每个同学之间的当前好感度,初始值为0。 3. 事件处理: - 对于每个事件,根据 `op` 的值(1表示做好事,0表示做坏事)更新 `goodFeeling[b][a]`。 - 如果 `op` 为1,则 `goodFeeling[b][a]` 增加 `c`。 - 如果 `op` 为0,则 `goodFeeling[b][a]` 减少 `c`。 4. 计算最大好感度: - 每次事件处理后,遍历整个 `goodFeeling` 矩阵,找到当前的最大好感度值。 5. 输出结果: - 每次事件处理后,输出当前的最大好感度值。 复杂度分析 - 时间复杂度:每次事件处理的时间复杂度为 \(O(n^2)\),因为需要遍历整个 `goodFeeling` 矩阵来找到最大值。总的事件数量为 `m`,所以总的时间复杂度为 \(O(m \cdot n^2)\)。 - 空间复杂度:使用了一个 \(n \times n\) 的二维数组来存储好感度,空间复杂度为 \(O(n^2)\)。 这个实现方法在给定的约束条件下(\(2 \leq n, m \leq 100\))是可行的。 [2024-10-17 16:07:21 | AI写代码神器 | 726点数解答]