Hdu 1722 Cake

本文比较了两种计算最大公约数 (GCD) 的代码实现,一种采用迭代除法,另一种利用图形理解简化问题。作者反思了编程策略,并分享了不同思路带来的效率提升。

2021.7.13

自己的两次代码都贴出来吧

第一种:

#include<stdio.h>
#include<math.h>
int gcd(int a,int b)
{
    int r;
    while((r=a%b)!=0)
    {
    a=b;
    b=r;
    }
    return b;
}
int main()
{
    int t,q,p;
    while(scanf("%d %d",&q,&p)!=EOF)
    {
        if(q>p)
        {
            t=q;
            q=p;
            p=t;
        }
        t=gcd(q,p);
        q/=t; p/=t;
        printf("%d\n",(p+(p-q)*(q-1))*t);
    }

}

很笨比的一种做法...思路大概是先按照多的分,在从多的里面找出两数的差值再分一次,特地的还都约分了一下,但是实际上还有很多情况没照顾的,毫无疑问的WA了

第二种:

#include<stdio.h>
#include<math.h>
int gcd(int a,int b)
{
    int r;
    while((r=a%b)!=0)
    {
     a=b;
     b=r;
    }
    return b;
}
int main()
{
    int t,q,p;
    while(scanf("%d %d",&q,&p)!=EOF)
    {
        if(q>p)
        {
            t=q;
            q=p;
            p=t;
        }
        t=gcd(p,q);
        printf("%d\n",q+p-t);
    }

}

第二种也是在csdn上找的,思路清晰的多,大概意思是想象一个图形(圆或者长矩形都可以),就按着给的数切割,在两次切割的时候会出现一些重和的部分,那些重合的线的数量就是最大公约数(比我想的简单多了,还不用化简...)这样子想就清晰多了

没做出来确实是自己思考少了

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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