Find Integer 费马大定理+勾股数(数论)

这是一个关于费马大定理的C++程序实现,主要处理n和a的输入,根据n的值计算出b和c的值,并在特定情况下输出-1。程序适用于数学和算法爱好者,展示了如何用代码解决数论问题。

先来看一下费马大定理:在这里插入图片描述

#include<bits/stdc++.h>
using namespace std;
#define ll long long
int main()
{
    int t;
    scanf("%d",&t);
    while(t--)
    {
        ll n;
        ll a;
        scanf("%lld%lld",&n,&a);
        if(n==0|| n>2)   
        {
            printf("-1 -1\n");
        }
        else if(n==1)
        {
             printf("1 %lld\n",a+1);
        }
        else
        {
            ll b;
            ll c;
            ll m;
            if(a%2)
            {
                m=(a-1)/2;
                 b=m*m+(m+1)*(m+1)-1;
                c=m*m+(m+1)*(m+1);
            }
            else
            {
                m=a/2;
                b=m*m-1;
                c=m*m+1;
            }
            printf("%lld %lld\n",b,c);
        }

    }
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论 2
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