10341 - Solve It 三分 + 浮点型函数用法

本文介绍了一种在给定区间内寻找特定复合函数根的方法,通过迭代过程逐步缩小搜索范围,最终准确找到根点。使用了多项数学运算如指数、三角函数和基本算术操作。
#include <cstdio>
#include <cstring>
#include <algorithm>
#include <cctype>
#include <cstdlib>
#include <cmath>
#include <stack>
#define M 1e-9


using namespace std;


int p,q,r,s,t,u;




double f(double x)
{
     return p * exp(-x) + q * sin(x) + r * cos(x) + s * tan(x) + t * x * x  + u;
}


void Judge()
{
    double x = f(0),y = f(1);
    if(x > 0 && y > 0 || x < 0 && y < 0){
        printf("No solution\n");
        return ;
    }


    if(x == 0){ printf("0.0000\n"); return;}
    if(y == 0){ printf("1.0000\n"); return;}


    double pre = x,rear = y,mid,midd;
    x = 0; y = 1;
    while(y-x >= M)
    {
        double m = x + (y-x)/2;
        double mm = m + (y-m)/2;


        mid = f(m);
        midd = f(mm);
        if((mid * rear) > 0){
            y = m;
            rear = mid;
        }
        else{
            if( (midd * rear) > 0){
                y = mm;
                rear = midd;
            }
            else{
                x = mm;
                pre = midd;
            }


        }
    }


    printf("%.4lf\n",x);
}


int main()
{
   // freopen("in.in","r",stdin);


    while(scanf("%d%d%d%d%d%d",&p,&q,&r,&s,&t,&u) != EOF)
    {
         Judge();
    }


    return 0;
}
根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
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