HDU6441-Find Integer-CCPC2018网络赛

本文深入探讨了费马大定理,分析了不同情况下勾股数的求解方法,特别是当n等于2时,如何通过给定的a值计算出b和c,提供了一种构造勾股数的有效算法。

HDU:http://acm.hdu.edu.cn/showproblem.php?pid=6441

 1.首先百度百科了解一下费马大定理

2.所以,我们便可分为几种情况:

(1)n>2,无解,输出-1,-1;

(2)n=2:则有a^2+b^2=c^2,给出a,则凑勾股数即可。

(3)n=1:则有a+b=c,因为b>=1,就取b=1,c=a+1;

(4)n=0:无解,输出-1,-1;

3.我们特别讨论一下n=2的情况,凑勾股数:

   给定a的值,由a^2+b^2=c^2求出b和c。

   

---------------------------------------------------------------------------------------------------------------------------

完整代码:

#include <iostream>
#include <set>
using namespace std;


int main(){
	int t;
	cin>>t;
	while(t--){
		int n,a;
		cin>>n>>a;
		if(n==0 || n>2){
			cout<<-1<<" "<<-1<<endl;
		}else if(n==1){
			cout<<1<<" "<<a+1<<endl;
		}else if(n==2){
			if(a%2==0){
				int x=a/2;
				cout<<x*x-1<<" "<<x*x+1<<endl;
			}else {
				int x=(a-1)/2;
				cout<<2*x*x+2*x<<2*x*x+2*x+1<<endl;//注意计算尽量这样构造
			}
		}
	}
	
} 

END:AC...

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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