Count primes

部署运行你感兴趣的模型镜像

一般的解法:

1,构建一个isPrime函数,对每一个n检测,从2扫到n-1,看是否有整除的。每个判断的时间复杂度就是O(n),整体时间复杂度O(n^2);

2,其实扫到n/2就可以判断;

3,其实扫到i*i<=n 的i就可以。因为对49来说,扫到7就可以知道他可以被整除了。没必要扫上面的数了。

4,可是如果n很大,这些方法都不好。因为终究要对每个n判断是否为质数。如果采用排除法,直接将已知的质数的倍数剔除。如果每个质数的从2开始的倍数进行剔除,很不划算,因为有很多重复的。

5,对5为因子的数剔除,从这里开始 5 × 5 = 25,因为5*2=10已经被2剔除过了。5 × 3 = 15 已经被3剔除过了。.对于质数 p, 从 p2 开始 ,然后 p2 + pp2 + 2p, ... 知道小于n;当然p的边界条件是p*p<n;

The Sieve of Eratosthenes uses an extra O(n) memory and its runtime complexity is O(n log log n). 

    int countPrimes(int n) {
        if(n<=1) return 0;
        vector<bool> isPrime(n);
        int count=0;
        for(int i=2;i<n;i++){
            isPrime[i]=true;
        }
        for(int i=2;i*i<n;i++){
            if(!isPrime[i]) continue;
            for(int j=i*i;j<n;j+=i){
                isPrime[j]=false;
            }
        }
        for(int i=2;i<n;i++){
            if(isPrime[i]) count++;
        }
        return count;
    }


您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂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)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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