策略游戏大揭秘：小 L 与小 Q 最优策略下每轮得分计算全解析

以下是使用 Python 实现的代码： ```python # 读取输入 n, m, k = map(int, input().split()) # 读取数组 a a = list(map(int, input().split())) # 读取数组 b b = list(map(int, input().split())) # 进行 k 轮游戏 for _ in range(k): # 读取每轮游戏的参数 x1, x2, y1, y2 = map(int, input().split()) # 初始化最大得分 max_score = float('-inf') # 小 L 选择 x 之间的下标 i for i in range(x1 - 1, x2): # 初始化最小得分 min_score = float('inf') # 小 Q 选择 y 之间的下标 j for j in range(y1 - 1, y2): # 计算得分 score = a[i] * b[j] # 更新小 Q 选择下标的最小得分 if score < min_score: min_score = score # 更新小 L 选择下标的最大得分 if min_score > max_score: max_score = min_score # 输出每轮游戏的得分 print(max_score) ``` 代码解释： 1. 输入读取：首先读取数组 `a` 和 `b` 的长度 `n` 和 `m`，以及游戏轮数 `k`。然后读取数组 `a` 和 `b` 的元素。 2. 游戏轮数循环：对于每一轮游戏，读取参数 `x1`, `x2`, `y1`, `y2`。 3. 小 L 选择下标：小 L 要选择在 `x1 - 1` 到 `x2 - 1` 之间的下标 `i`，以最大化得分。 4. 小 Q 选择下标：对于小 L 选择的每个下标 `i`，小 Q 要选择在 `y1 - 1` 到 `y2 - 1` 之间的下标 `j`，以最小化得分。 5. 计算得分：计算 `a[i] * b[j]` 作为得分。 6. 更新得分：对于小 L 选择的每个下标 `i`，找到小 Q 选择下标的最小得分。然后在所有最小得分中找到最大值。 7. 输出结果：输出每轮游戏的得分。 复杂度分析： - 时间复杂度：$O(k * (x2 - x1 + 1) * (y2 - y1 + 1))$，其中 `k` 是游戏轮数，`x2 - x1 + 1` 是小 L 可选择的下标范围，`y2 - y1 + 1` 是小 Q 可选择的下标范围。 - 空间复杂度：$O(n + m)$，主要用于存储数组 `a` 和 `b`。 ######[AI问答 | 676点数解答 | 2025-12-12 18:49:42]