递归求阶乘和

本题要求实现一个计算非负整数阶乘的简单函数,
并利用该函数求 1!+2!+3!+…+n! 的值。

函数接口定义:

double fact( int n );

double factsum( int n );

函数 fact 应返回 n 的阶乘,建议用递归实现。函数 factsum 应返回 1!+2!+…+ n! 的值。题目保证输入输出在双精度范围内。

裁判测试程序样例:

#include <stdio.h>
    
double fact( int n );
double factsum( int n );
    
int main()
{
    int n;
    
    scanf("%d",&n);
    printf("fact(%d) = %.0f\n", n, fact(n));
    printf("sum = %.0f\n", factsum(n));
      
    return 0;
}
    
/* 你的代码将被嵌在这里 */

输入样例1:

10

输出样例1:

fact(10) = 3628800

sum = 4037913

输入样例2:

0

输出样例2:

fact(0) = 1

sum = 0

#include <stdio.h>
    
double fact( int n );
double factsum( int n );
    
int main()
{
    int n;
    
    scanf("%d",&n);
    printf("fact(%d) = %.0f\n", n, fact(n));
    printf("sum = %.0f\n", factsum(n));
      
    return 0;
}
double fact( int n )
{
	if (n== 0||n == 1) return 1;
	else return n * fact(n - 1);
}
double factsum( int n )
{
	double sum = 0;
	int i;
	for(i = 1; i <= n; i++)
	{
		sum += fact(i);
	}
	return sum;
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估CPO优化流程。; 适合人群:具备一定Python编程基础优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
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