百练 2722 学分绩点

题目链接:http://bailian.openjudge.cn/practice/2722

# include <stdio.h>
int main()
{
	int n;
	int a[10],b[10];
	double GPA,t;
	scanf("%d",&n);
	int i;
	for(i=0;i<n;i++)
		scanf("%d",&a[i]);
	for(i=0;i<n;i++)
	{
		scanf("%d",&b[i]);
	}
	double sum1=0,sum2=0;
	for(i=0;i<n;i++)
	{
		if(b[i]>=90&&b[i]<=100)
			t=4.0;
		if(b[i]>=85&&b[i]<=89)
			t=3.7;
		if(b[i]>=82&&b[i]<=84)
			t=3.3;
		if(b[i]>=78&&b[i]<=81)
			t=3.0;
		if(b[i]>=75&&b[i]<=77)
			t=2.7;
		if(b[i]>=72&&b[i]<=74)
			t=2.3;
		if(b[i]>=68&&b[i]<=71)
			t=2.0;
		if(b[i]>=64&&b[i]<=67)
			t=1.5;
		if(b[i]>=60&&b[i]<=63)
			t=1.0;
		if(b[i]<60)
			t=0;
		sum1=sum1+a[i]*t;
		sum2=sum2+a[i];
	}
	GPA=sum1/sum2;
	printf("%.2f\n",GPA);
	return 0;
}


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值