【Java编程基本功】(十一)求最大红玫瑰数,求最后剩下的人,根据输入的数选取函数求值

java实现情人节红玫瑰(附完整源码) 阅读详情

第三十四题

有n个人围成一圈,顺序排号。从第一个人开始报数(从1到3报数),凡报到3的人退出圈子,问最后留下的是原来第几号的那位。

代码:

<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background: none;">

public class lianxi34{
 public static void main(String[] args) {
   Scanner in = new Scanner(System.in);
   System.out.println("请输入人数n的值");
   int n = in.nextInt();
   boolean[] a = new boolean[n];
   for(int i=0;i<a.length;i++){
     a[i]=true;
   }

   int left=n,count=0,index=0;
   while(left>1){
     if (a[index]==true) {
       count++;
       if (count==3) {
         count=0;
         a[index]=false;
         left--;
       }
     }
     index++;
     if (index==n) {
       index=0;
     }
   }
   for(int i=0;i<a.length;i++){
     if (a[i]==true) {
       System.out.println("留下的是原来的"+(i+1)+"位");
     }
   }
 }
}

运行结果:

第三十五题

编写一个函数,输入n为偶数时,调用函数求1/2+1/4+…+1/n,当输入n为奇数时,调用函数1/1+1/3+…+1/n

代码:

<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background: none;">

public class lianxi35 {
 public static void main(String[] args) {
   Scanner in = new Scanner(System.in);
   System.out.println("请输入一个正整数:");
   int n = in.nextInt();
   double sum=0;
   if (n%2==0) {
     for(int i=2;i<=n;i+=2){
       sum = sum + (double)1/i;
     }
   }else{
     for(int i=1;i<=n;i+=2){
       sum = sum + (double)1/i;
     }
   }
   System.out.println(sum);
 }
}

运行结果:

第三十六题

若正整数N的所有因子之和等于N的倍数,则称N为红玫瑰数(完备数)。如28的所有因子之和为1+2+4+7+14+28=28*2,故28是红玫瑰数。求[1,700]之间最大的红玫瑰数。

代码:

<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background: none;">

public class lianxi36{
 public static void main(String[] args) {
   for(int n=700;n>=1;n--){
     int sum=0;
     for(int i=1;i<n;i++){
       if(n%i==0){
         sum+=i;
       }
     }
     if(sum%n==0){
       System.out.println(n);
       break;
     }
   }
 }
}

运行结果:

想学习Java的小伙伴注意啦!我整理了一套从最基础的Java入门级学习到Java框架内容,送给每一位想要学习Java的小伙伴,想要获取资料,可以关注微信公众号“速学Java”哦,这里是小白聚集地,欢迎初学和进阶中的小伙伴~

关注微信公众号:速学Java

CUBEMX ADC 单/多通道+DMA 本文使用的是STM3F103C8T6 Cubemx进行单/多通道DMA配置。 阅读详情

相关推荐

阿里巴巴-AI Agent工程师面试题精选:10道高频考题+答案解析(附PDF)

阿里巴巴AIAgent技术面试要点摘要(149字) 阿里巴巴在AIAgent领域布局完整,面试重点考察系统架构、幻觉治理、成本优化等核心能力。候选人需掌握分层架构设计、多Agent协作死锁处理、Token成本优化策略等关键技术。面试强调工程落地能力,包括工具调用容错、记忆系统设计、安全防护等实践要点。评估体系需覆盖效果、效率、成本多维度指标。未来趋势关注垂直领域专业化、多模态融合等方向。建议准备实际项目案例,突出技术深度与业务价值的结合,展现系统思维和工程能力。

ZHHHHH15的博客 625

湖南省计算机二级tc,TC题库(含程序选择题、程序设计题、程序填空题、程序改错题)湖南省计算机二级...

题面若某个整数N的所有因子之和等于N的倍数,则称N为多因子完备数。例如,28是多因子完备数。因为:1+2+4+7+14+28=56=28*2 ,求:[1,500]间最大的多因子完备数,将下列程序补充完整,正确结果填入相应窗口。程序:#include #include #include main(){int a,b,c,n,big,count=0;for (a=1 ;a<=500; a++)...

weixin_42449375的博客 595

非华为电脑也能用!华为电脑管家完美安装教程来了

GitHub 上有一个开源项目 ​****​,专门解决“非华为设备无法安装华为电脑管家”的问题。它通过智能模拟 + DLL 劫持技术,绕过官方对硬件型号的检测,让你在联想、戴尔、华硕甚至 DIY 主机上也能流畅使用华为电脑管家!⭐ 项目已获 ​700+ Stars​,社区活跃,持续更新,兼容性优秀!科技不该有围墙。如果你成功在非华为电脑上跑起了 PCManager,欢迎在评论区晒出你的设备型号 + 使用体验!也别忘了把这篇推文分享给同样“眼馋”华为生态的朋友 ~📱 ​关注我们。

程序员朱永胜 4959

2019年信计课程研究性学习(做题目)

如题,下面为我的作业 1、编写一链表,实现以下功能: (1)链表的生成, (2)求取链表的长度, (3)在链表的中间第k个位置插入节点,k从键盘输入 (4)在中间第k个位置删除节点,k从键盘输入 (5)打印每个节点的内容 2、任意选作计算机二级考试上机试题40题。 所选题目进来分散,相同类型题目只选一道,单独完成。 第一次做的一部分 #include<iostream> #includ...

qq_44758771的博客 1356

标准恢复二极管整流器的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告

报告页数: 150 图表数: 100 报告价格:¥16800 本文研究全球与中国市场标准恢复二极管整流器的发展现状及未来发展趋势,分别从生产和消费的角度分析标准恢复二极管整流器的主要生产地区、主要消费地区以及主要的生产商。重点分析全球与中国市场的主要厂商产品特点、产品规格、不同规格产品的价格、产量、产值及全球和中国市场主要生产商的市场份额。 主要生产商包括: Yangzhou Yangjie Vishay Intertechnology Power Semiconductors Inc Nexperia B

Fj69258的博客 5850

基于TL431与光耦的电压反馈环路优化设计实战

本文深入探讨了基于TL431与光耦的电压反馈环路优化设计实战。文章从理解这对“黄金搭档”的工作原理入手,详细拆解了电压采样电阻网络、偏置电路、光耦工作点设置以及动态补偿网络的设计心法与计算步骤。重点分享了如何通过RC补偿网络调试,确保环路在各种负载下稳定可靠,并提供了关键的实战避坑指南,帮助工程师解决电源设计中常见的振荡、噪声及可靠性问题。

nginx7reverse的博客 781

1008红玫瑰数

#include <stdio.h> /* 作者: 厦门理工学院 计算机与信息工程学院 FnLock 时间:2017年11月9日23:51:48 程序描述: 3_7红玫瑰数Time Limit:1000MS Memory Limit:65536K Total Submit:1838 Accepted:536Description若正整数N的所有因子之和等于N的倍数,则称N为红玫瑰数,如

FnLock的博客 1654

光模块基础知识【快速入门】02

光模块是用于交换机与设备之间传输的载体,是光纤通信系统中的核心器件。主要作用是发射端将设备的电信号转换成光信号。 光纤通道光模块和以太网光模块 光纤通道光模块 光纤通道(FC, Fiber Channel)是一种高速网络数据传输协议。光纤通道协议可以有序无损地传输原始数据,它主要用于在数据中心、电脑服务器、交换机与存储网络中进行数据传输。 FC光模块遵循FC协议,充当着光纤通道系统之间的接口,也是光纤存储网络设备间的接口。它们主要用于数据中心的光纤通道存储网络链接中。 FC光模块具有小型化和低.

Jin Hanquan的博客 3万+

1008-3_7红玫瑰数

3_7红玫瑰数 Time Limit:1000MS Memory Limit:65536K Total Submit:3274 Accepted:1414 Description 若正整数N的所有因子之和等于N的倍数,则称N为红玫瑰数,如28的因子之和为1+2+4+7+14+28=56=28*2,故28是红玫瑰数,求: (1)[1,700]之间最大的红玫瑰数。 (2)[1,700]之间有多少个红玫瑰数。 Input 无 Output 第一行输出一个整数,代表[1,700]之间最大的红玫瑰数。 第二行输出一

baibaibaidi的博客 433

板蓝根挥发油微胶囊化技术及其在抗菌织物整理中的应用研究

微胶囊技术是一种通过成膜材料将具有反应活性或挥发性的液体或固体包封成微小颗粒的技术。该技术因其优异的缓释保护和物态改变性能,已在医药、食品、化妆品等多个领域得到广泛应用。本研究采用复凝聚法制备板蓝根挥发油的微胶囊,利用明胶和阿拉伯胶作为壁材,旨在提升其稳定性和抗菌性能。

qq_62634009的博客 585

复现Fastjson反序列化漏洞(从dnslog回显到rce再到反弹shell)

Fastjson是阿里巴巴的开源JSON解析库,它可以解析 JSON 格式的字符串,支持将 Java Bean 序列化为 JSON 字符串,也可以从 JSON 字符串反序列化到 JavaBean。它还可以用于将JSON字符串转换为等效的Java对象,fastjson爆出多个反序列化远程命令执行漏洞,攻击者可以通过此漏洞远程执行恶意代码来入侵服务器。......

记录并分享学习安全的知识点.. 2702

湖南计算机考试题库,湖南省计算机等级考试编程题题库之十六

求[444,666]范围内最大的素数是多少?6612004倒勾股数是满足公式:1/A^2+1/B^2=1/C^2的一组正整数(A,B,C),例如,(156,65,60)是倒勾股数,因为:1/156^2+1/65^2=1/60^2。假定A>B>C,且要求A,B,C均小于或等于100,求满足倒勾股数公式的各组正整数(A,B,C)中A的值的和是多少?300 2004已知Fibonacci数...

weixin_39902472的博客 1367

汇川Easy系列PLC系统PID指令编程应用(增量型)

增量式PIDS7-1200/1500增量式PID(输出归一化、支持PWM输出)_西门子1200pid算法公式-优快云博客文章浏览阅读1k次。本文介绍了S7-1200/1500 PLC中增量式PID算法的应用,包括输出归一化和PWM输出。通过详细解析,阐述了PID输出如何限制在0.0-1.0之间,并且如何将PID输出与PWM占空比关联,适用于温度等控制场景。

RXXW_Dor的博客 1429

c#输入三个数选出最大的_【Java编程基本功】(十一)求最大红玫瑰数,求最后剩下的人,根据输入的数选取函数求值...

第三十四题有n个人围成一圈,顺序排号。从第一个人开始报数(从1到3报数),凡报到3的人退出圈子,问最后留下的是原来第几号的那位。代码:<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; backg...

weixin_35338559的博客 172

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

java实现情人节红玫瑰(附带源码)

java实现情人节红玫瑰(附带源码)

欢迎来到我的博客!这里是一个专注于计算机技术的分享平台,涵盖编程开发、算法研究、系统架构、软件工程等多个领域。无论你是初学者还是资深开发者,都能在这里找到有价值的内容。 1450

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

红玫瑰数java的意思,红玫瑰的含义,玫瑰花个数的含义

导航:网站首页 >红玫瑰的含义,玫瑰花个数的含义时间:2018-2-27相关问题:匿名网友:1朵玫瑰代表——我的心中只有你ONLY YOU!2朵玫瑰代表——这世界只有我俩!3朵玫瑰代表——我爱你I LOVE YOU!4朵玫瑰代表——至死不渝!5朵玫瑰代表——由衷欣赏!6朵玫瑰代表——互敬互爱互谅!7朵玫瑰代表——我偷偷地爱著你!8朵玫瑰代表——感谢你的关怀扶持及鼓励!9朵玫瑰代表——长久AL...

weixin_36019543的博客 389

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

红玫瑰数java的意思,送玫瑰花数量的含义 不同朵数的玫瑰花代表什么

当下,很多人会用玫瑰花来表达自己的感情和爱意,其中以送红玫瑰、白玫瑰、粉玫瑰的居多。但是,现在的玫瑰花不是只有这三种,还有其它的品种和颜色,而且不同的品种、不同的颜色所蕴含的意义是不一样的,送的朵数不同意义也不同。那么,不同朵数的玫瑰花代表什么?一起来了解下送玫瑰花数量的含义吧。送玫瑰花数量的含义一、1朵玫瑰1朵玫瑰花大多数是在刚刚相恋时才会赠送,所代表的含义就是一见钟情,或者我的心中只有你一个人...

weixin_39813009的博客 930

红玫瑰

梦里梦到 醒不来的梦 红线里被软禁的红 所有刺激 剩下疲乏的痛 再无动于衷 从背后 抱你的时候 期待的却是她的面容 说来实在嘲讽 我不太懂 偏渴望你懂 是否幸福轻得太沉重 过度使用不痒不痛 烂熟透红 空洞了的瞳孔 终于掏空 终于有始无终 得不到的永远在骚动 被偏爱的都有恃无恐 玫瑰的红 容易受伤的梦 握在手中 却流失于指缝 又落空 红是朱砂痣烙印心口 红是蚊子血般平庸 时间美化那仅有的悸动 也磨平...

|~~~热爱生活、努力学习的小伙汁~~~| 606

跟对人,原来java入门这么简单!

龙珠悟空,一个写故事的程序员 《小白学java》第二章:初始java白月光,窥见java之美(一) 序言:张爱玲在《红玫瑰与白玫瑰》中写道“也许每一个男子全都有过这样的两个女人,至少两个。娶了红玫瑰,久而久之,红的变了墙上的一抹蚊子血,白的还是"床前明月光";娶了白玫瑰,白的便是衣服上沾的一粒饭黏子,红的却是心口上一颗朱砂痣”。这大概就是人世最美也是最无奈的遗憾了吧,选择充满遗憾,但平淡才是生活,美好的大学和充满未知探险的java之路又何尝不是白月光和朱砂痣在我人生中的一次偶遇呢? PS: 1...

lv_dw962464的博客 439

买玫瑰

上机内容:C程序的编写和运行 上机目的: 我的程序: #include<stdio.h> int main() { int r,r1,r2,r3,R; scanf("%d",&r);//输入钱 r1=r/5;//算出可以买多少支 r2=r1/20;//算有多少个20支 r3=(r1-20*r2)/5;//算剩下的可以买多少个5支 ...

qq_46246441的博客 228

项目5-如何买玫瑰

问题描述 小慧过生日,小明(小明真忙)要买鲜花送她。每枝红玫瑰5元,满5支送1枝,满20枝送5枝。小明一共有n(n>10)元钱,最多能买到多少? 样例输入:135 样例输出:33 程序代码 #include #include int main() { int n,a,b,c; printf("请输入多少钱买花:"); scanf("%d",&n); a=(n

ysrainbow的博客 400

2020-02-05

补一下昨天的(忘发了) 要求:小慧过生日,小明(小明真忙)要买鲜花送她。每枝红玫瑰5元,满5支送1枝,满20枝送5枝。小明一共有n(n>10)元钱,最多能买到多少? 样例输入:135样例输出:33 #include<stdio.h> int main() { int r,r1,r2,r3,R; printf(“小明拿的钱:”) scanf("%d",&r); r1=r/5...

qq_45876399的博客 150

用代码写出浪漫__合集(python、matplotlib、Matlab、java绘制爱心、玫瑰花、前端特效玫瑰、爱心)

有缘遇到真心对你好的人不容易,像父母、朋友、真爱你的人,如果遇到了,请好好珍惜,因为有时,有些你想象不到的事情会突然发生,如果遇到了,请别慌乱害怕,那些真心对你的人会陪在你身边和你一起度过最难熬的日子,所以请抓住每一分每一秒,好好对待身边人,凡事别计较太多,把心放宽。在你遇到。。。时,请记住,你并不是唯一一个,这世界上有很多人正在经历着和你一样的事情,虽然他们没有或者无法说出来。.....................

逆境清醒的博客 4万+

第11课时,实践3,如何买玫瑰?

/* *Copyright(c) 2015/3/20 优快云博客 *All rights reserved. *文件名称:main.c *作 者:金叶 *完成日期:2015/3/20 *版本号:V1.0 *问题描述:分离整数和小数部分 *程序输出:小慧过生日,小明(小明真忙)要买鲜花送她。每枝红玫瑰5元,满5支送1枝,满20枝送5枝。小明一共有n(n>10)元钱,最多能买到多少? */ #

石灰自学编程 774

未来,世界上最好的编程语言将是自然语言!

如果非要一个答案的话,以前我会站台 Java,没别的理由,因为我熟悉 Java,因为封装、继承多态,因为一次编译到处运行。功能啥的一切正常,但风格调整,仿写难度还蛮大的,我发现 UI 的审美上,还真差点儿意思,当然这个得需要再针对性的优化下。还是很方便的,这样的系统,以前要开发,至少也得花个把天,现在,一句话,或者多轮对话,用自然语言,就可以完成了。我拉破说,提醒功能是最重要的,不然每次年费的缴纳太麻烦了,于是看了下后台,这些功能也完全支持配置。这个 Agent 主打「说中文,做应用」。

一个成长中的程序员,期待用技术的眼光生活 1173
上一篇: 【Java编程基本功】(十)输出杨辉三角,输出*号,数组移动
下一篇: 【Java编程基本功】(十二)编写公司数据加密程序,求素数对,字符串拼接,求三角形个数
suxue_java
博客等级 码龄8年 6粉丝 79原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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