YTU OJ 2451: 股市风云

本文介绍了一个简单的程序,用于处理一组包含公司股价涨跌的数据。该程序能够统计出平均涨幅和平均跌幅,并输出见涨和遇跌的数目。通过提供的样例输入和输出,可以验证程序的正确性。

题目描述

股市强烈动荡,有涨有跌。现在有一组数据表示各公司的涨跌(涨为正,跌为负,不动为零),要求统计出平均涨幅和平均跌幅。

输入

一组数,其中有正数,也有负数,还有0。输入的个数不定,另外,不会出现只有正数或只有负数的情况。

输出

第一行输出见涨的数目和遇跌的数目;

第二行输出平均涨幅(正数的平均数)和平均跌幅(负数的平均数,再取反),保留小数点后3位。

样例输入

5 0 -1 1.5 2.3 -0.3 2.4 0 7.9 -4.3

样例输出

5 3
3.820 1.867

【AC代码】:

import java.util.Scanner;

public class Main {
	public static void main(String[] args) {
		Scanner sc = new Scanner(System.in);
		String s = sc.nextLine();
		float x[] = new float[15];
		int a = 0, b = 0;
		int k = 0;
		String ss = null;
		float sum1 = 0, sum2 = 0;
		int n1 = 0, n2 = 0;
		for (int i = 0; i < s.length(); i++) {
			if (s.charAt(i) == ' ') {
				b = i;
				ss = s.substring(a, b);
				a = b + 1;
				x[k] = Float.parseFloat(ss);

				if (x[k] > 0) {
					n1++;
					sum1 += x[k];
				} else if (x[k] < 0) {
					n2++;
					sum2 += x[k];
				}
				k++;
			}
		}
		x[k] = Float.parseFloat(s.substring(a, s.length()));
		if (x[k] > 0) {
			n1++;
			sum1 += x[k];
		} else if (x[k] < 0) {
			n2++;
			sum2 += x[k];
		}
		System.out.println(n1 + " " + n2);
		System.out.printf("%.3f %.3f", sum1 / n1, -sum2 / n2);

	}
}

 

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
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