PAT乙级 1048. 数字加密(20)

本文介绍了一个字符串扑克运算的C++程序实现。该程序首先将输入的两个字符串补全到相同长度,然后通过特定的算法规则进行计算并输出结果。涉及字符串操作、条件判断等基本编程技巧。

坑:a、b 不一样长的话,前端补0,补齐,统一为较长的长度

//PAT-1-1048
#include <iostream>
#include <algorithm>
#include <string>

using namespace std;

int main(){
    string a,b;
    cin>>a>>b;
    int flag=1;
    int len1=a.length();
    int len2=b.length();
    int len=len1<len2?len2:len1;
    //短补齐,统一为一样的长度
    while (len1<len) {
        len1++;
        a.insert(a.begin(),'0');
    }
    while (len2<len) {
        len2++;
        b.insert(b.begin(),'0');
    }
    
    for (int i=0; i<len; i++) {
        if (flag) {
            int re=0;
            re=(b[len2-i-1]-'0'+a[len1-i-1]-'0')%13;
            if (re<10) {
                b[len2-i-1]=re+'0';
            }else if(re==10) {
                b[len2-i-1]='J';
            }else if(re==11) {
                b[len2-i-1]='Q';
            }else if(re==12) {
                b[len2-i-1]='K';
            }
            flag=0;
            continue;
        }else{
            int re=0;
            re=(b[len2-i-1]-a[len1-i-1]);
            if (re<0) {
                re+=10;
            }
            b[len2-i-1]=re+'0';
            flag=1;
            continue;
        }
    }
    cout<<b<<endl;
    return 0;
}


【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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