数值的整数次方

题目描述

给定一个double类型的浮点数base和int类型的整数exponent。求base的exponent次方。

源代码:

解法一:

public class Solution {
    public double Power(double base, int exponent) {
        double res=1;
        if(exponent>0){
            for(int i=0;i<exponent;i++){
            res=res*base;
            }
        }else{
            for(int i=0;i<(0-exponent);i++){
            res=res*base;
            }
            res=1/res;
        }
        
        return res;
  }
}

解法二://需要注意的地方,如果指数<0,如果指数小于0的同时,基数等于0,不能存在这种情况;指数大于0,然后需要注意指数的求法,很巧妙的一种方法,

public class Solution {
    public double Power(double base, int exponent) {
        double res=1,cur=base;
        int n=0;
        if(exponent>0){
            n=exponent;
        }else if(exponent<0){//exponent<=0
            if(base<=0)
                throw new RuntimeException("分母不能为0");
            n=-exponent;
        }
        while(n!=0){
                if((n&1)==1){
                    res=res*cur;
                }
                cur=cur*cur;
                n=n>>>1;
            }
        return exponent>=0?res:1/res;
  }
}

【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