解题报告_18.5.10_POJ_3006

素数筛选与Dirichlet素数查找
本文介绍了一种使用筛法求解素数的方法,并在此基础上实现了寻找特定形式的Dirichlet素数的功能。通过C++代码示例展示了如何高效地找到前n个形式为a + kd (k ≥ 0)的素数。

难度渐渐上来了,不知道以后怎么办,这一道至少花去了我一个小时的时间。

主要是还筛法求素数

转载自:https://blog.youkuaiyun.com/lyy289065406/article/details/6642592

#include<memory.h>
#include<iostream>
#include<cmath>
#include<cstdio>
using namespace std;
const static int LEN = 1000000;
const static int SQRT_NUM = ceil(sqrt((double)LEN));
void findPrimes(bool* primes);
int findDirichletPrime(bool* primes, int a, int d, int n);
int  main() {
    freopen("in.txt","r",stdin);
    bool primes[LEN] ;
    findPrimes(primes);

    int a, d, n;
    while(cin >> a >> d >> n &&
    a != 0 && d != 0 && n != 0) {
        cout << findDirichletPrime(primes, a, d, n) << endl;
    }
}
void findPrimes(bool* primes) {
    memset(primes, true, sizeof(bool)*LEN);
    primes[0] = primes[1] = false;
    for(int i = 2; i <= SQRT_NUM; i++) {
        if(!primes[i]) continue;
        int multiple = 2;
        while(true) {
            int mNum = i * multiple;
            if(mNum > LEN) break;
            primes[mNum] = false;
            multiple++;
        }
    }
}
int findDirichletPrime(bool* primes, int a,int d, int n) {
    int ans = 0;
    for(int cnt = 0, dirichlet = a; cnt < n; dirichlet += d) {
        if(primes[dirichlet]) {
            ans = dirichlet;
            cnt++;
        }
    }
    return ans;
}

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
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
 
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