2.2-不要被阶乘吓倒

部署运行你感兴趣的模型镜像
public class ch2_2 {
	public static int Nzero1(int x){
		int num=0;
		for(int i=1;i<=x;i++){
			int j=i;
			while(j%5 == 0){
				num++;
				j/=5;
			}
		}
		return num;
	}
	public static int Nzero2(int x){
		int num=0;
		while(x!=0){
			num += x/5;
			x /= 5;		  
		}
		return num;
	}
	public static int lowestOne1(int x){
		int num=0;
		while(x!=0){
			x>>=1;        //这两行先后顺序影响
		    num += x;
		}
		return num+1;
		
	}
	public static int lowestOne2(int x){
		int temp=x;
		int num=0;
		while(x!=0){
			x &= (x-1);
			num++;
		}
		return temp-num+1;
	}
	public static void main(String args[]){
		int x=10,y=3;
		System.out.println(x+"! 末尾0的个数(1):"+Nzero1(x));
		System.out.println(x+"! 末尾0的个数(2):"+Nzero1(x));
		System.out.println(y+"! 最低位1在(1):"+lowestOne1(y));
		System.out.println(y+"! 最低位1在(2):"+lowestOne2(y));
	}

}

您可能感兴趣的与本文相关的镜像

GPT-SoVITS

GPT-SoVITS

AI应用

GPT-SoVITS 是一个开源的文本到语音(TTS)和语音转换模型,它结合了 GPT 的生成能力和 SoVITS 的语音转换技术。该项目以其强大的声音克隆能力而闻名,仅需少量语音样本(如5秒)即可实现高质量的即时语音合成,也可通过更长的音频(如1分钟)进行微调以获得更逼真的效果

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
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