B4258 [GESP202503 一级] 四舍五入

题目描述

四舍五入是一种常见的近似计算方法。现在，给定 nnn 个整数，你需要将每个整数四舍五入到最接近的整十数。例如，434343 四舍五入后为 404040，585858 四舍五入后为 606060。

输入格式

共 n+1n+1n+1 行，第一行，一个整数 nnn，表示接下来输入的整数个数。

接下来 nnn 行，每行一个整数 a1,⋯ ,ana_1, \cdots, a_na1​,⋯,an​，表示需要四舍五入的整数。

输出格式

nnn 行，每行一个整数，表示每个整数四舍五入后的结果。

输入输出样例 #1

输入 #1

5
43
58
25
67
90

输出 #1

40
60
30
70
90

说明/提示

对于所有测试点，保证 1≤n≤1001\leq n\leq 1001≤n≤100，1≤ai≤100001\leq a_i\leq 100001≤ai​≤10000。

解析

详见代码：

#include<bits/stdc++.h>
using namespace std;
int main() {
    int n, a;
    cin >> n;
    while(n--) {
        cin >> a;
        cout << (a + 5) / 10 * 10 << "\n";
    }
    return 0;
}
# 算法 # c++ # 数据结构
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

Go比Python更适合做Agent应用开发的场景

Python的GIL限制多线程性能，尽管可通过异步（asyncio）或进程池缓解，但Go的轻量级协程在Agent需要高频交互或并行任务时更具优势。Go编译为单一二进制文件，依赖少，部署简单，适合资源受限的嵌入式或边缘计算场景。Python的动态类型虽开发快捷，但重构或扩展时易出现运行时错误，尤其在团队协作中。Go的垃圾回收机制优化较好，延迟可控，适合对响应时间敏感的Agent（如实时交易、机器人控

avatar DAMO开发者矩阵

模型预测控制（MPC）十年演进（2015–2025）

摘要： 2015-2025年，模型预测控制（MPC）从传统线性优化（手工建模、秒级求解）演进至端到端VLA大模型时代（可微MPC、量子加速、社交博弈）。中国实现从跟随到领跑（小鹏XNGP、华为ADS等），实时性从秒级突破至20μs，预测时域扩展至100+步，鲁棒性升级为全场景自愈。MPC推动智驾/机器人从刚性轨迹优化迈向意图级社交预测控制，完成技术范式跃迁。

avatar DAMO开发者矩阵

智能驾驶规划算法十年演进（2015–2025）

智能驾驶规划算法十年演进（2015–2025） 2015年智能驾驶规划算法主要依赖规则和Frenet网格优化，需手工调参，时延达秒级，轨迹精度仅米级。2025年已发展为端到端VLA大模型直接输出轨迹，融合游戏论社交博弈、量子不确定性补偿和全域自进化规划，时延降至50ms内，精度达厘米级，成功率超99.9%。中国从跟随Tesla跃升为全球领跑者，小鹏、华为、比亚迪等厂商主导创新，推动智驾从被动轨迹跟

avatar DAMO开发者矩阵