剑指Offer_数值的整数次方_12

本文介绍了一种计算数值的整数次方的方法,包括特殊情况处理和优化算法实现,通过递归方式减少时间复杂度至O(logn),并提供了一个具体的Java实现案例。
package code;
//题目描述:数值的整数次方
//给定一个double类型的浮点数base和int类型的整数exponent。
//求base的exponent次方。

//解一:
//如果底数为0,则无论指数为多少,结果都为0;
//如果指数为0,则底数只要非零,结果都为1;
//如果指数大于0,就将底数自乘指数次。
//如果指数小于0,就将底数自乘(-指数次),然后除1。

//解二:
//也可以直接调用java中Math库中的pow函数。


//解三:
/*1.当底数为0且指数<0时
*会出现对0求倒数的情况,需进行错误处理,设置一个全局变量;
*2.判断底数是否等于0
*由于base为double型,不能直接用==判断
*3.优化求幂函数
*当n为偶数,a^n =(a^n/2)*(a^n/2)
*当n为奇数,a^n = a^[(n-1)/2] * a^[(n-1)/2] * a
*时间复杂度O(logn)*/
public class Offer12 
{
	public static void main(String[] args)
	{
		Offer12 offer = new Offer12();
		System.out.println(offer.Power2(2, 3));
	}
	
	public double Power(double base, int exponent)
	{
		int result = 0;
		
		if(base == 0)
			return 0;
		
		if(exponent == 0)
			return 1;
		else if(exponent > 0)
		{
			for(int i = 0; i < exponent-1; i++)
				result *= base;
			return result;
		}
		else// (exponent < 0)
		{
			exponent *= -1;
			for(int i = 0; i < exponent-1; i++)
				result *= base;
			return (1.0/result);
		}
		
		//return Math.pow(base, exponent);
			
	}
	
	
	boolean invalidInput = false;
	public double Power2(double base, int exponent) 
	{
		if(equal(base,0.0) && exponent < 0)
		{
			invalidInput = true;
			return 0.0;
		}
		
		int absexponent = exponent;
		if(exponent < 0)
			absexponent = -exponent;
		
		double result = getPower(base,absexponent);
		if(exponent < 0)// 如果指数为负数,则应该求result的倒数
			result = 1.0 / result;
		return result;
	}
	public boolean equal(double num1, double num2)
	{
		if(num1 - num2 > -0.000001 && num1 - num2 < 0.000001)
			return true;
		else
			return false;
	}
	public double getPower(double b, int e)
	{
		if(e == 0)
			return 1.0;
		if(e == 1)
			return b;
		double result = getPower(b,e>>1);
		result *= result;
		if((e&1) == 1) // 如果指数n为奇数,则要再乘一次底数base
			result *= b;
		return result;
	}
}

计及源荷不确定性的综合能源生产单元运行调度与容量配置优化研究(Matlab代码实现)内容概要:本文围绕“计及源荷不确定性的综合能源生产单元运行调度与容量配置优化”展开研究,利用Matlab代码实现相关模型的构建与仿真。研究重点在于综合能源系统中多能耦合特性以及风、光等可再生能源出力和负荷需求的不确定性,通过鲁棒优化、场景生成(如Copula法)、两阶段优化等手段,实现对能源生产单元的运行调度与容量配置的协同优化,旨在提高系统经济性、可靠性和可再生能源消纳能力。文中提及多种优化算法(如BFO、CPO、PSO等)在调度与预测中的应用,并强调了模型在实际能源系统规划与运行中的参考价值。; 适合人群:具备一定电力系统、能源系统或优化理论基础的研究生、科研人员及工程技术人员,熟悉Matlab编程和基本优化工具(如Yalmip)。; 使用场景及目标:①用于学习和复现综合能源系统中考虑不确定性的优化调度与容量配置法;②为含高比例可再生能源的微电网、区域能源系统规划设计提供模型参考和技术支持;③开展学术研究,如撰写论文、课题申报时的技术案借鉴。; 阅读建议:建议结合文中提到的Matlab代码和网盘资料,先理解基础模型(如功率平衡、设备模型),再逐步深入不确定性建模与优化求解过程,注意区分鲁棒优化、随机优化与分布鲁棒优化的适用场景,并尝试复现关键案例以加深理解。
内容概要:本文系统分析了DesignData(设计数据)的存储结构,围绕其形态多元化、版本关联性强、读写特性差异化等核心特性,提出了灵活性、版本化、高效性、一致性和可扩展性五大设计原则。文章深入剖析了三类主流存储案:关系型数据库适用于结构化元信息存储,具备强一致性与高效查询能力;文档型数据库适配半结构化数据,支持动态字段扩展与嵌套结构;对象存储结合元数据索引则有效应对非结构化大文件的存储需求,具备高扩展性与低成本优势。同时,文章从版本管理、性能优化和数据安全三个关键维度提出设计要点,建议采用全量与增量结合的版本策略、索引与缓存优化性能、并通过权限控制、MD5校验和备份机制保障数据安全。最后提出按数据形态分层存储的核心结论,并针对不同规模团队给出实践建议。; 适合人群:从事工业设计、UI/UX设计、工程设计等领域数字化系统开发的技术人员,以及负责设计数据管理系统架构设计的中高级工程师和系统架构师。; 使用场景及目标:①为设计数据管理系统选型提供依据,合理选择或组合使用关系型数据库、文档型数据库与对象存储;②构建支持版本追溯、高性能访问、安全可控的DesignData存储体系;③解决多用户协作、大文件存储、历史版本管理等实际业务挑战。; 阅读建议:此资源以实际应用场景为导向,结合具体数据库类型和表结构设计进行讲解,建议读者结合自身业务数据特征,对比分析不同存储案的适用边界,并在系统设计中综合考虑成本、性能与可维护性之间的平衡。
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