运算

运算主要分为:加,减,乘,除,乘方

                          +, -   ,×  ,÷ ,^

下面来详细讲解一下每个运算的定义和方法

加(+):定义:一个数和另一个数的和。

          运算方法:

#include<bits/stdc++.h>
using namespace std;
int main(){
    int a,b;
    cin>>a>>b;
    cout<<a+b;
    return 0;
}

但有时候数字会很大,我们怎么办呢?

第一种方法:卡常,有时候能直接蒙混过关(建议别用)

第二种方法:高精度

具体做法:输入的是字符串,因为long long 放不下

                  然后将每一位数存入数组的一个格子里

                  a,b数组是初始的两个数,c数组是最终的结果

注意:有可能有进位

#include<bits/stdc++.h>
using namespace std;
const int maxn=100;
int a[105],b[105],c[105];
int len_a,len_b,len_c;
string s;
int main(){
	cin>>s;
	len_a=s.length();
	for(int i=0;i<len_a;i++)
		a[len_a-i]=s[i]-48;
	cin>>s;
	len_b=s.length();
	for(int i=0;i<len_b;i++)
		b[len_b-i]=s[i]-48;
	int i,x=0;
	for(i=1;i<=len_a||i<=len_b;i++) {
		c[i]=a[i]+b[i]+x;
		x=c[i]/10;
		c[i]%=10;
	}
	c[i]=x;
	len_c=i;
	while(c[len_c]==0&&len_c>1)
		len_c--;
	for(int i=len_c;i>=1;i--)
		cout<<c[i];
	return 0;
}

 

----

 

 减(-):定义:一个数和另一个数的差。

          运算方法:

#include<bits/stdc++.h>
using namespace std;
int main(){
    int a,b;
    cin>>a>>b;
    cout<<a-b;
    return 0;
)

但有时候数字会很大,我们怎么办呢?

第一种方法:卡常,有时候能直接蒙混过关(建议别用)

第二种方法:高精度

具体做法:输入的是字符串,因为long long 放不下

                  然后将每一位数存入数组的一个格子里

                  a,b数组是初始的两个数,c数组是最终的结果

注意:有可能有退位(比较麻烦……

#include<bits/stdc++.h>
using namespace std;
int main(){
    string sd,se,sa;
    int a[100001]{0},b[100001]{0},c[100001]{0},mc,me,mz,n,mo=0;
    cin>>sd>>se;
    mc=sd.size();
    me=se.size();
    if(mc<me||mc==me&&sd<se){sa=sd;sd=se;se=sa;n=mc;mc=me;me=n;mo=-1;} 
    for(int i=1;i<=mc;i++) a[i]=sd[mc-i]-'0';
    for(int i=1;i<=me;i++) b[i]=se[me-i]-'0';
    int i=1,o=0;
    while(i<=mc||i<=me)
    {
        if(a[i]<b[i]){a[i+1]--;a[i]+=10;}
        c[i]=a[i]-b[i];
        i++;
    }
    mz=i;while(c[mz]==0&&mz>1)mz--;
    if(mo==-1) cout<<"-";
    for(int i=mz;i>=1;i--) cout<<c[i];
    return 0;
}

 

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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