题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前 20 项之和

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 7.4k累计阅读 7.5k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄8年

关注

原创最新推荐文章于 2026-10-03 18:49:29 发布 7.4k 阅读 AI 写同款· GEO 优化 ›

JPA - @MappedSuperclass - 基类注解目录前言代码示例前言 @MappedSuperclass注解一般作为基类的注解，表眀该类是映射的超类，继承于它的子类实体在映射时会自动添加到子类实体的对应数据库表中，用于共同的属性代码复用和模型分离。代码示例 BaseEntity.java import lombok.Getter; import lombok.Setter; import javax.persistence.MappedSuperclass; import java.util.Date; @Getter @Setter @Ma 阅读详情

package test1;

/**

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…
求出这个数列的前 20 项之和

*/
分析：
在这里插入图片描述
public class Test1 {
//如果此处需要次数为n的话可自行添加Scanner 获取用户输入的n值这道题是前20项
public static void main(String[] args) {
int x = 2, y = 1, temp;
double sum = 0;
for (int i = 1; i <=20; i++) {
sum = sum + (double) x / y;
temp = y;
y = x;
x = y + temp;
}
System.out.println(“前20个数相加的合为：” + sum);
}
}
运行结果:
在这里插入图片描述

收录于

当前文章被以下社区和专栏收录：

手把手拆解UCIe协议层：从Raw Mode到Flit Mode，数据包到底经历了什么？本文深入解析UCIe协议层的数据包处理机制，从Raw Mode到Flit Mode的三大变体（Standard 256B、68B-Enhanced、Latency-Optimized），详细揭示数据包在不同模式下的封装与转换过程。通过工程师视角，展示协议层如何实现多模式动态切换、错误恢复及与D2D Adapter的协同设计，为芯片级互连技术提供实践指导。阅读详情

相关推荐

BUCK型DC/DC变换器的建模与仿真

BUCK型DC-DC变换器的建模与仿真摘要1 文献调研1.1 研究背景1.2 Buck电路的应用场合2 原理分析2.1 模型介绍2.2 模型分析2.3 频域和时域响应2.4 参数指标要求3 参数设计3.1 校正器选择3.2 校正器参数整定3.2.1 积分器3.2.2 一阶微分环节3.2.3 超前校正器3.3 改进4 结论与展望参考文献摘要目前工业自动化水平已成为衡量各行各业现代化水平的一个重要标志。如何对一个系统进行建模分析、补偿校正变得越来越重要。本文选择BUCK型DC/DC变换器作为载体，

屠龙归来仍是少年 2万+

python有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。

【开发该软件的操作系统】：windows10 【软件开发环境/开发工具】：PyCharm 【编程语言】：Python 【开发目的】：这是老师布置的作业啦~ 供初学者参考学习【开发者】：江西农业大学2020级大二学生要求：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。分析：这道题与斐波那契数列有关：斐波那契数列代码如下：（一）取自：python有一分数序列 # 有一分数序列：2/1，3/2，5/3，8/5，13/8，2

当路danglu0010 1万+

深入解析西门子S7通信协议：从抓包到实战应用

本文深入解析西门子S7通信协议，从环境搭建、抓包分析到实战应用，提供了一套完整的协议分析方法。通过Wireshark工具进行抓包分析，详细拆解了S7协议各层结构，并结合真实案例，展示了如何利用抓包技术解决通信故障、优化性能及进行安全审计，是掌握工业通信底层原理的实用指南。

weixin_29224529的博客 281

有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和

有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…求出这个数列的前20项之和代码已经过编译，可直接进行使用 #include&lt;stdio.h&gt; int main() { float a=1,b=2,c,e,sum=0; for(int i=1;i&lt;=20;i++) { e=b/a; sum=sum+e; c=b; b=a+b; a=c; } p...

一只睡不醒的猪 5万+

富斯遥控器-ros机器人控制

富斯遥控器-ros机器人手柄控制

zkh7758的博客 1698

BSW： Dcm模块配置--28服务

这个章节讲解下UDS中的28服务(Communcation Control)的配置，顾名思义，对当前ECU的通讯状态进行变更，主要设置应用报文，网络管理报文的收发控制，通常应用在刷写APP软件时，降低总线负载。这里首先要提醒的一点是，28服务几乎不需要手写代码，只有在客户需求要求前置条件不满足时报特定NRC时才需要填充代码。实际配置中主要涉及的模块有DCM,BSWM，ComM,RTE.2.BswM模块的配置。3.ComM模块的配置。1.DCM模块的配置。

Forever_Oct的博客 3086

python3 求分数前20项之和

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…求出这个数列的前20项之和。这题比较简单直接上程序好了： sum = 0 for i in range(20): #print(str(a) + '/' + str(b)) sum += (a/b) b,a = a,a+b print("the sum is %d"%sum) ...

snow_star_dream的博客 4546

被搜狗输入法背刺了！偷偷装的 “AI 汪仔” 狂占 CPU！手把手教你如何彻底关闭删除搜狗AI功能AI汪仔

手把手教你如何彻底关闭删除搜狗输入法的AI汪仔🚀

XiaoqiangClub的博客 2万+

C语言求分数序列前N项和

求分数序列前N项和本题要求编写程序，计算序列 2/1+3/2+5/3+8/5+… 的前N项之和。注意该序列从第2项起，每一项的分子是前一项分子与分母的和，分母是前一项的分子。输入格式: 输入在一行中给出一个正整数N。输出格式: 在一行中输出部分和的值，精确到小数点后两位。题目保证计算结果不超过双精度范围。输入样例: 20 输出样例: 32.66 #include "stdio.h" void beam() { int i,N,a; double sum=0,m=2.0,n=1.0; sca

AMCUL的博客 6730

华为OD面试手撕真题【合并相邻且相等的元素】多语言题解

华为OD面试高频手撕真题【合并相邻且相等的元素】，提供C语言、Java、C++、Python、Go、JavaScript源码实现，并提供完整思路讲解。

qq_45776114的博客 545

麒麟操作系统提示“默认密钥环已上锁”的解决办法

太极淘的博客 1万+

c语言有一个分数序列 2/1，3/2，5/3，8/5，13/8，21/13，．．．求出这个数列的前20项之和。

数列求和

qq_46313018的博客 1万+

基于Matlab使用雷达资源管理有效跟踪多个机动目标仿真（附源码）

多功能雷达可以搜索目标，确认新轨道，并重新访问轨道以更新状态。为了执行这些功能，多功能雷达通常由资源管理器管理，该资源管理器创建用于搜索、确认和跟踪的雷达任务。这些任务是根据优先级和时间安排的，因此，在每个时间步长中，多功能雷达都可以将其波束指向所需的方向。在此示例中，对于用于跟踪机动目标的雷达，有两个相互冲突的要求：目标的数量及其初始位置通常事先不知道。因此，雷达必须不断搜索感兴趣的区域才能找到目标。此外，雷达需要在进入雷达覆盖区域后立即检测并建立对每个目标的跟踪。目标机动的时间段事先是未知的。

珞瑜的博客 3145

【题目】有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。注意分子与分母的变化规律。

文件名：[作业] 作者：〈漆黑〉描述：〈有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…求出这个数列的前20项之和。注意分子与分母的变化规律〉创建时间：2019.6.20 /**************************** * 文件名：[作业] * 作者：〈漆黑〉 * 描述：〈有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求...

漆黑梦工厂 2万+

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…求出这个数列的前20项之和。 #include <stdio.h> int main() { double x = 2,y = 1; double sum = 0; int i,t; for(i=0;i<20;i++) { sum+=x/y; t=x; x=x+y; y=t; } printf("%lf",sum); } 运行结果： ...

m0_45696196的博客 1万+

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0，兼容Win7/Win10/WinXP，解压就可用。

题目：有一分数序列：2/1,3/2,5/3,8/5,13/8,21/13...求出这个数列的前20项之和。

程序分析：抓住分子与分母的变化规律：分母mu：1,2,3,5,8,13,21,34,55,89,144... 分子zi：2,3,5,8,13,21,34,55,89,144,233... 分子zi把数赋给了分母mu，同时自己与分母的和(zi+mu)变成新分子赋给分子zi。 public class Test20 { public static void main(String[] args...

from_heat的博客 3万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用，资源的后缀为tar.gz格式的压缩包

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13... 求出这个数列的前20项之和。...

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13... 求出这个数列的前20项之和。程序分析：请抓住分子与分母的变化规律。 public class 第二十题求数列之和 { public static void main(String[] args) { System.out.println("数列的和为:" + getValue(20...

weixin_30493401的博客 1401

【程序20】 java 题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。

【程序20】题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13…求出这个数列的前20项之和。 package com.gyy.exercise; public class exercise20 { public static void main(String[] args) { double mol = 2,den = 1; double sum = 0,temp; for( int i = 0; i < 20; i++

G_yyy的博客 756

C语言【程序20】题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。

//【程序20】 //题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。 #include<stdio.h> int main() { int a,b,i=20,tmp; float sum=0; a=1;b=2; while(i) { sum+=(float)b/a; tmp=a; a=b; b=...

Rudy的博客 1万+

题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前20项之和。

public class Score { public static void main(String[] args) { //分数：2/1，3/2，5/3，8/5，13/8，21/13前20项之和 double a=2; double b=1; double sum=0; double t=0; for(int i=0;i<=20;i++) { sum+=a/b; ...

qq_37928493的博客 515

【程序20】题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13... 求出这个数列的前20项之和。

/* 2017年3月7日15:45:20 java基础50道经典练习题例20 Athor: ZJY Purpose: 【程序20】题目：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13... 求出这个数列的前20项之和。程序分析：请抓住分子与分母的变化规律。 */ import java.util.Scanner; public class Prog

xiyuan255的博客 4599

python有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前 20 项之和（题目24）

def f(n): a = 2.0 b = 1.0 total = 0 for i in range(1, n +1): total += a/b a, b = a + b, a print(total) f(20)

runtulaoye的博客 7750

题目24：有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前 20 项之和。

Python100题有一分数序列：2/1，3/2，5/3，8/5，13/8，21/13...求出这个数列的前 20 项之和。

run_noob_vip的博客 1427

题目：有一分数序列：2 / 1，3 / 2，5 / 3，8 / 5，13 / 8，21 / 13...求出这个数列的前20项之和。

题目：有一分数序列：2 / 1，3 / 2，5 / 3，8 / 5，13 / 8，21 / 13...求出这个数列的前20项之和。 #include<stdio.h> int main() { int i; double sum = 0.0 , a=1.0 , b=2.0 , t=0.0 ; for (i = 1; i <= 20; i++) { sum =su...