吝啬的地主

博客讲述地主让安理耕一块分成N*N小块的正方形田地,安理提出工钱按每小块米粒数计算,第一小块1粒,后续每块是前一块2倍。已知N值,需计算安理总共能得的米粒数,还给出输入输出示例及数据范围,涉及高精度计算。

Description

很久以前,有一户地主对家里的工人“安理”非常的吝啬,工钱也很低,新的一年开始了,地主对安理说“我今年有一块正方形的田地,将它分成了NN小块,你要好好耕哦,这块地的工钱我另算,你要多少工钱,说说看,让我考虑一下?”安理思考了一下,说“这样吧,在第一小块算1粒米,第二小块算2粒米,第三小块算22=4粒米,第四小块算23=8粒米,以此类推,最后一小块算2nn-1粒米,每一小块的米的数量和就算是我的工钱了。”地主没什么文化,一口就答应了。现在已知N的值,请你帮安理算一算,这块N*N的田地,他总共能得到多少粒米。

Input

只有一个数,表示N的值

Output

只有一个数,表示安理总共能得到的米的粒数。

Sample Input

2
Sample Output

15
Hint

数据说明:
1、20%的结果在整数范围内,40%的结果在长整范围内;
2、70%的结果位数小于250位,100%的结果位数小于500位。

.
.
.
.
.
分析
高精

.
.
.
.
.
程序:

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;

int a[550];

int main()
{
	freopen("land.in","r",stdin);
	freopen("land.out","w",stdout);
	int n;
	scanf("%d",&n);
	a[550]=1;
	int l1=n*n;
	int g=0;
	for (int z=1;z<=l1;z++)
	{
		for (int i=550;i>=1;i--)
		{
			int s=a[i]+a[i]+g;
            a[i]=s%10;
            g=s/10;
		}
	}
	int i=1;
    while (a[i]==0) i++;
    a[550]--;
    for (int j=i;j<=550;j++)
    	printf("%d",a[j]);
    fclose(stdin);
    fclose(stdout);
    return 0;
}
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