最大公约数和最小公倍数(2)

NOIP普及组|2001T2最大公约数和最小公倍数问题 2001年NOIP普及组第2题:最大公约数和最小公倍数问题 输入两个正整数 $x_0, y_0$,求出满足下列条件的 $P, Q$ 的个数。 阅读详情

利用Stein算法求最大公约数;

最小公倍数。

import java.util.Scanner;

public class Test2{
	/**
	 *利用Stein算法求最大公约数
	 */
	 
	public static int gcd(int a,int b){
		int m,n,r;
		if(a>b){
			m = a;
			n = b;	
		}else{
			m = b;
			n = a;	
		}
		if(n == 0){
			return m;	
		}
		
		if(m%2==0&&n%2==0){
			return 2*gcd(m/2,n/2);
		}
		if(m%2==0){
			return gcd(m/2,n);	
		}
		if(n%2==0){
			return gcd(m,n/2);
		}
		return gcd((m+n)/2,(m-n)/2);
	}
	
	public static void main(String[] args) throws Exception{
		int a ,b,c,d;
		System.out.println("输入两个正整数:");
		Scanner s = new Scanner(System.in);
		a = s.nextInt();
		b = s.nextInt();
		c = gcd(a,b);
		d = (a*b)/c;
		System.out.println("a和b的最大公约数为:"+c);
		System.out.println("a和b的最小公倍数为:"+d);
	}
}


人类肠道微生物群落代谢建模 MICOMWeb 是款用户友好型网站,专为人类肠道微生物群落代谢建模设计。该网站旨在解决基因组尺度代谢模型(in silico)构建过程中的3大限制:① 使用 MICOM Python 包进行通量平衡分析时对用户 Python 编程知识的要求;② 支持预定义和用户自定义饮食,以生成专属代谢模型;③ 处理宏基因组鸟枪法测序或 16S 扩增子测序获得的真实丰度数据时,所需的高通量计算基础设施。本文展示了 MICOMWeb 的核心功能,用户可轻松开展虚拟实验,为3个已发表数据集的实验验证生成功能性假设。 阅读详情

相关推荐

Quartus ||———基于Verilog HDL的数字秒表设计实验

Quartus ||———基于Verilog HDL的数字秒表设计实验一、实验目的二、实验步骤(一)新建工程(二)添加设计文件(三)综合分析与功能仿真1、综合分析2、功能仿真 一、实验目的 用Verilog HDL设计一个数字跑表,所需引脚和功能如下: 二、实验步骤 (一)新建工程 在创建好工程名称后,选定芯片类型 (二)添加设计文件 新建Verilog文件,键入代码如下 module n_clk_top( input clk, input rese

TBMmagic的博客 5525

最大公约数、最小公倍数、2-10以内的进制转换

一些常见的问题 最大公约数 #include <iostream> #include <stdio.h> using namespace std; int main(){ int fun(int,int); int m; int n;//m,n 用于接收键盘输入的参数 scanf("%d,%d",&m,&n); if(m<n){ int temp; temp = m; m = n; n = m; } printf("%d,%d的最大

o_p_1的博客 518

一文读懂:CAN总线Bus-Off的触发条件与自动恢复机制

本文详细解析CAN总线Bus-Off状态的触发条件与自动恢复机制。根据ISO 11898-1标准,当发送错误计数器(TEC)超过255时节点进入Bus-Off状态,并通过检测128次总线空闲条件实现自动恢复。文章结合实战案例,探讨硬件故障、软件配置及电磁干扰等常见触发场景,并提供快慢恢复策略与调试方法,帮助工程师快速定位并解决CAN网络故障。

rgv234567的博客 360

输入2个整数,求最大公约数和最小公倍数

输入2个整数,求最大公约数和最小公倍数 关于最大公约数的算法,古希腊数学家欧几里得已经在2200年前给出我们算法公式,我们直接拿来用就可以了。 欧几里得算法也被称为辗转相除法,用来求最大公约数:用较大数除以较小数,再用出现的余数(第一余数)去除除数,再用出现的余数(第二余数)去除第一余数,如此反复,直到最后余数是0为止。如果是求两个数的最大公约数,那么最后的除数就是这两个数的最大公约数。 最...

weixin_38067185的博客 6565

车载监控系统升级指南:如何用XS9950A替换TP9950实现高清视频解码(附配置代码)

本文提供了从TP9950升级至XS9950A车载视频解码芯片的完整实战指南。详细解析了硬件设计调整、PCB布局要点,并重点分享了通过I2C配置寄存器实现高清HDCCTV视频解码与同轴音频集成的软件驱动代码与调试技巧,助力工程师平滑完成系统升级。

weixin_29268637的博客 364

MC_SetOverride指令详细应用介绍(基恩士PLC)

基恩士KV系列PLC和松下总线绝对值伺服运动控制(详细配置+轴控完整ST源代码)

RXXW_Dor的博客 334

输入两个正整数m和n,求其最大公约数和最小公倍数。 样例输入 2 3 样例输出 1 6

输入两个正整数m和n,求其最大公约数和最小公倍数。 样例输入 2 3 样例输出 1 6 package boke; import java.math.BigInteger; import java.util.Scanner; public class Main_boke { public static void main(String[] args) { Scanner sr=new Scanner(System.in); int m=sr.nextInt(); int n=sr.nex

Han19980124的博客 560

基于RK3588边缘计算平台的人数统计系统设计与实现

针对人数统计场景优化的YOLOv5模型完整的模型转换和部署流程高效的嵌入式推理优化方案低成本、低功耗的部署方案实时性强,满足工业应用需求可扩展性好,适配多种应用场景引入注意力机制,提高小目标检测能力结合多模态信息,增强系统鲁棒性开发可视化管理平台,提升用户体验随着边缘计算和AIoT技术的快速发展,基于深度学习的智能视觉系统必将在更多领域发挥重要作用。本项目为相关应用的开发和部署提供了有价值的参考,为推动人工智能技术的产业化应用做出了积极贡献。

LXY_LOVE36的博客 145

2. 最大公约数和最小公倍数

        main()         {            int p,r,m,n,temp;           printf("请输入两个正整数:n,m");          scanf("%d,%d",&n,&m);        if(n       {              temp=n;             n=m;      

徒步旅行... 716

硬件电路设计采集电路

摘要:采集电路是硬件设计中连接物理世界与数字系统的关键环节,主要用于将温度、压力等物理量转换为电信号。常见的采集电路包括模拟量采集(如温度、电压)、数字量采集(如开关状态)和特殊信号采集(如光、声音)。设计时需重点关注传感器选型、信号调理、电源接地、抗干扰和ADC配置等核心要素,确保信号链路的完整性和稳定性。合理的电路设计需结合具体应用场景,通过仿真和测试验证性能,最终实现精确可靠的数据采集。

qq_37999850的博客 1798

OpenClaw 生成测试用例

OpenClaw 只是躯干,Skills 才是灵魂。很多同学觉得 OpenClaw 没用,就像是买了一台顶级电脑却没装操作系统。通过这四步走,不仅可以学会如何让 AI 干活,更重要的是,可以学会如何管理 AI 的能力。

十二测试录 737

求2个整数的最大公约数和最小公倍数,Python解法

#coding:utf-8 #gdc.py ''' 求2个整数的最大公约数和最小公倍数,Python解法 https://blog.youkuaiyun.com/skyyzq/article/details/90201244 ''' def gdc(p,q): '''求整数 p,q的最大公约数 ''' if q==0: return p if p<q: p,q =q,p ...

4576

使用 ABAP Development Tool 登录 SAP BTP ABAP 环境时,遇到弹出框应该怎么办?

但在实际环境里,隐私模式、第三方 Cookie 禁止、跨站追踪限制、缓存代理误命中、混合内容拦截等因素,都可能让这条跳转链路被打断。等),浏览器会弹出系统原生登录框,请求用户输入账号和口令或做集成认证。只要它们在响应头里出现,浏览器就会理直气壮地弹框,这是协议层的强约定。,最终弹出原生登录框。前端与网关领域有个通用的经验规则:如果你看到了原生登录框,而期望的是带样式的。环境里的登录方式表述为基于浏览器的前端认证,也就是这类重定向式的交互。环境的具体落地,拆出几类常见诱因与排障路径,并穿插真实世界的案例。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 369

求2个数的最大公约数和最小公倍数

1 /** 2 3 * 求两个数的最大公约数和最小公倍数 4 * @author 王启文 5 * 6 */ 7 import java.util.Scanner; 8 9 public class Zy4 { 10 public static void main(String[] args) { 11 Sca...

diexinli4827的博客 124

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

蓝桥 ALGO-2 最大最小公倍数 (最大公约数/最小公倍数)

最大最小公倍数 解题1 N个最大最小公倍数: 当N个数 两两互质的数质时他们的乘积等于最大最小公倍数 故此题三个数的最大最小公倍数需要考虑的: 如果N为奇数,那么N与N-2互质,则选中N、N-1、N-2 如果N为偶数,那么N与N-2最大公约数为2,此时需要考虑N与N-3的关系: 如果N能被3整除,则N-3也能被3整除,此时N与N-3不互质,但是N-1与N-3必然互质(N-1、N-3都为奇数...

想喝奶茶的胖大海 443

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

7-2 最大公约数和最小公倍数系列

有一系列正整数,求它们的最大公约数和最小公倍数,原始正整数和最终结果都在32位正整数范围内。 输入格式: 数据有多组,每组数据占一行,第1个数代表本组数据正整数个数,正整数个数至少为1。 输出格式: 针对每组输入数据,输出数据占一行,含最大公约数和最小公倍数,中间以一个空格分隔。 输入样例: 2 6 8 4 6 8 12 20 1 15 6 5 12 12 30 46 10 输出样例: 2 24 2 120 15 15 1 1380 示例: #include<stdio.h> #includ

优快云_YJX的博客 2723

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

4_2 最大公约数和最小公倍数

输入两个正整数m和n,求其最大公约数和最小公倍数 输入 34 8 输出 2 136 import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner in = new Scanner(System.in); int n ...

pacmo 1268

2-1 最大公约数和最小公倍数 (25分)

2-1 最大公约数和最小公倍数 (25分) 本题要求两个给定正整数的最大公约数和最小公倍数。 输入格式: 输入在一行中给出两个正整数M和N(≤1000)。 输出格式: 在一行中顺序输出M和N的最大公约数和最小公倍数,两数字间以1空格分隔。 输入样例: 511 292 输出样例: 73 2044 代码如下: ...

绀香零八的博客 458

7-2 sdut-最大公约数和最小公倍数

7-2 sdut-最大公约数和最小公倍数分数 10全屏浏览切换布局作者 周雪芹单位 山东理工大学给定2个正整数,求它们的最大公约数和最小公倍数,并输出。

lemmod的博客 866

c++实验7-项目2 最大公约数和最小公倍数

一,问题及代码 /* 02.* 文件名称:001.cpp 03.* 作 者:朱婵媛 04.* 完成日期:2016 年 6月 5 日 05.* 版 本 号:v1.0 06.* 对任务及求解方法的描述部分: 07.* 输入描述:无 08.* 问题描述:我的第七

爱的追求者的博客 501

[WikiOI] 2.3.1 最大公约数和最小公倍数

[Problem] 输入二个正整数x0,y0(2 条件:  1.P,Q是正整数 2.要求P,Q以x0为最大公约数,以y0为最小公倍数. 试求:满足条件的所有可能的两个正整数的个数. [Solution] #include #include using namespace std; /** * swap */ void swap(int &

1.02^365的成长裂变 3877

数学专题2 -最大公约数和最小公倍数(1)

质数(Prime Number)是一个重要的数学概念,它的定义如下:如果一个大于1的自然数只有1和它本身两个因数,那么这个数就被称为质数(或素数)。换句话说,对于一个质数 ppp,它满足以下条件:根据定义,我们可以得到一些质数的例子:值得注意的是,1不是质数,因为质数的定义要求一个数必须大于1。同时,负整数和0也不是质数。在数论中,质数有许多重要的性质和应用,例如:理解质数的定义是学习数论的基础,在探索最大质因数和最小质因数时,我们会频繁用到质数的概念。合数(Composite Number)是与质数相对的

m0_46192147的博客 1693

手动输入2个数,求2个数的最大公约数和最小公倍数。

printf("最大公约数是%d\n",max);printf("最小公倍数是%d\n",min);printf("请输入两个数\n");

weixin_74829157的博客 255

Java算法课作业2——最小公倍数和最大公约数问题

Java算法课作业2——最小公倍数和最大公约数问题 题目要求 1.题目描述 输入二个正整数x0,y0(2≤x0≤100000,2≤y0≤1000000),求出满足下列条件的P、Q的个数。   条件:1.P、Q是正整数      2.要求P、Q以xO为最大公约数,以yO为最小公倍数。   试求,满足条件的所有可能的两个正整数的个数。 2.输入数据 两个正整数 输出数据 满足条件的所有可能的两个正整数...

Dove_H的博客 754

5.2 最大公约数与最小公倍数

codeup 最大公约数与最小公倍数 题号:10000589 A题 :Least Common Multiple 题目链接:http://codeup.cn/problem.php?cid=100000589&pid=0 #include <cstdio> //辗转相除法 int gcd(int a,int b){ if(b==0) return a; return g...

weixin_42491648的博客 205
上一篇: 最大公约数和最小公倍数
下一篇: 今天遇到的一道题
StevenLoveMaggie
博客等级 码龄16年 10粉丝 41原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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