Y2K Accounting Bug(POJ 2586)

POJ 2586 题解
本文提供了一种解决POJ 2586问题的算法思路,通过判断每月盈亏情况,计算一年内的总盈利或亏损,并给出相应输出。代码使用C语言实现,展示了如何通过循环和条件判断进行逻辑处理。

~题目链接~

http://poj.org/problem?id=2586

输入

59 237
375 743
200000 849694
2500000 8000000

结果

116
28
300612
Deficit

题目概述

1.每个月要是盈利就盈利 s ;否则,就亏损 p  

2.每连着的五个月必定亏损 12345、23456、 344567……

3.问年末总结,公司是否盈利,盈利则输出最大盈利;否则输出Deficit

#include<stdio.h>
#include<string.h>
#include<stdlib.h>

int main()
{
    int n,m;
    while(~scanf("%d%d",&n,&m))
    {
        int i,sum;
        for(i=1; i<=5; i++)//判断一个月当中有几个月亏损,几个月盈利
        {
            if((m*i)>(n*(5-i)))
                break;
        }
        switch(i)//计算盈利或亏损
        {
            case 1:case 2:case 3:sum=n*(12-2*i)-m*2*i;break;
            case 4:sum=n*3-m*9;break;
            case 5:sum=-m*12;break;
        }
        if(sum>0)
        printf("%d\n",sum);
        else
        printf("Deficit\n");
    }
    return 0;
}

  

 

 

转载于:https://www.cnblogs.com/guoyongzhi/p/3243164.html

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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