1. 题目链接

I Wanna Be the Guy

2. 题目代码

#include<iostream>
#include<set>
using namespace std;
int main(){int highestLevelOfGame;cin >> highestLevelOfGame;set<int> levelCanPass;int levelOfXPass;cin >> levelOfXPass;int level;while(levelOfXPass --){cin >> level;levelCanPass.insert(level);}int levelOfYPass;cin >> levelOfYPass;while(levelOfYPass --){cin >> level;levelCanPass.insert(level);}if(levelCanPass.size() == highestLevelOfGame){cout << "I become the guy.";}else{cout << "Oh, my keyboard!";}return 0;
}

3. 题目总结

用时：31min
卡住原因：审题不清 – 以为整个第二行都是X可以通过的等级，第三行都是Y可以通过的等级，从而认为第二、三的数据个数无法判断。于是想到用string类型的数据获取二、三行数据(考虑到有空格，输入方式应该采用getline(cin, 字符串名) )。接下来的代码实现我考虑了两个方案：① 使用双重for循环。第一层循环遍历游戏的等级(1-n)，第二层循环遍历X、Y可以通过的等级。看看是否X、Y是否包含1到n的所有数值。② 单重循环。但是要把X、Y字符串里的所有数据先整合到一个set容器里。

4. 代码分析

参照代码来源：

注：set.count()

#include <iostream>
#include <set>using namespace std;int main() {int n;cin >> n;set<int> x_levels, y_levels;int p;cin >> p;for (int i = 0; i < p; ++i) {int level;cin >> level;x_levels.insert(level);}int q;cin >> q;for (int i = 0; i < q; ++i) {int level;cin >> level;y_levels.insert(level);}bool can_pass_all_levels = true;for (int i = 1; i <= n; ++i) {if (!(x_levels.count(i) || y_levels.count(i))) {can_pass_all_levels = false;break;}}if (can_pass_all_levels) {cout << "I become the guy." << endl;} else {cout << "Oh, my keyboard!" << endl;}return 0;
}

我的代码耗时：78ms
内存占用：0KB

问：为什么人家的代码比我多了一个for循环，但是比我的耗时还少？
答(回复来自gpt)：
代码比对：
① 输入处理方式：
        参考代码：通过明确读取 p 和 q 的值来确定循环次数，然后每次循环分别读取并插入到两个不同的 set 中。
        我的代码：使用了 while 循环来处理输入，但没有显式地指定循环次数，而是依赖 levelOfXPass 和 levelOfYPass 变量来控制循环次数。这种方式可能在输入处理上引入了更多的复杂性和可能的性能开销。
集合操作：
② 集合操作：
        参考代码：在判断是否可以通过所有关卡时，通过遍历从 1 到 n 的整数来检查每个关卡是否在 x_levels 或 y_levels 中。
        我的代码：通过比较 levelCanPass 集合的大小和 highestLevelOfGame 的值来判断是否可以通过所有关卡。这种方法简化了判断逻辑，但在集合操作上，需要考虑集合的插入和去重操作的性能开销。
性能差异的可能原因：
① 输入操作效率：
        我的代码的输入处理方式可能会比第一段代码更复杂，尤其是在处理大量输入时，可能会影响整体性能。
② 集合操作效率：
        虽然两者都使用了 set 数据结构，但集合的插入操作可能受到输入量的影响。特别是我的代码中的 insert 操作可能需要更多的内部重排或重新哈希，这可能会导致性能略微下降。
优化建议：
        简化输入处理逻辑，减少不必要的数据结构操作，以及选择更适合具体应用场景的数据结构和算法。