练习,买房问题

通过C++程序模拟了一位软件工程师在不同情况下积累购房资金的过程,包括不考虑额外收益、存款获得利息以及工资逐年增长等场景。

现在北京有一套房子,价格200万,假设房价每年上涨10%,一个软件工程师每年固定能赚40万。如果他想买这套房子,不贷款,不涨工资,没有其他收入,每年不吃不喝不消费,那么他需要几年才能攒够钱买这套房子?

#include <iostream>
using namespace std;
int main( )
{
  int i=0,p=200,s=40;//p:房价,s:年收入
  double ps=p,ss=0;
    while(i<80&&ss<ps)
    {
        i+=1;
        ps=ps*1.1;
        ss=s*(i+1);
        cout<<i<<"年后房价为:"<<ps<<"万元,总收入为:"<<ss<<"万元。"<<endl;
    }
    if(i>=80)
        cout<<"不用想了!"<<endl;
    else
       cout<<i<<"年后可以买房,房价为"<<ps<<"万元,总收入为"<<ss<<"万元。"<<endl;
    return 0;
}


题目拓展:这位软件工程师没有理财意识,不去投资,也不至于将现金堆在家里吧,至少应存到银行,吃点利息(考虑通胀因素,可能仍亏,但比放家里现金收益高也安全)。按存1年定期,重新求解上面的问题。

#include <iostream>
using namespace std;
int main( )
{
    int i=0,p=200,s=40;//p:房价,s:年收入
    double ps=p,rate=0.033,ss=0;
    while(i<80&&ss<ps)
    {
        i+=1;
        ps=ps*1.1;
        ss+=s*(1+rate);
        cout<<i<<"年后房价为:"<<ps<<"万元,总收入为:"<<ss<<"万元。"<<endl;
    }
    if(i>=80)
        cout<<"不用想了!"<<endl;
    else
        cout<<i<<"年后可以买房,房价为"<<ps<<"万元,总收入为"<<ss<<"万元。"<<endl;
    return 0;
}


题目再拓展:软件工程师不涨工资不对。工作经验、效率逐年提高,这家公司不给涨,会找另一家给涨工资的公司做。假如每年工资涨5%,结果又是如何呢?

#include <iostream>
using namespace std;
int main( )
{
    int i=0,p=200,s=40;//p:房价,s:年收入
    double ps=p,rate=0.033,ss=0;
    while(i<80&&ss<ps)
    {
        i+=1;
        ps=ps*1.1;
        ss+=s*(1+rate);
        s=s*(1+0.05);
        cout<<i<<"年后房价为:"<<ps<<"万元,总收入为:"<<ss<<"万元。"<<endl;
    }
    if(i>=80)
        cout<<"不用想了!"<<endl;
    else
        cout<<i<<"年后可以买房,房价为"<<ps<<"万元,总收入为"<<ss<<"万元。"<<endl;
    return 0;
}



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