大数相乘

package recursion;
/**
 * 大数相乘思想:
 *  0 1 2 3 4  5   6  7 8 9 10 11
 *  个  十  百  千  万   十万  百万   ……
 *  0 = 0 * 0 ;
 *  1 = 1 * 0  + 0 * 1 + 0*0的进位
 *  2 = 1 * 1  + 0 * 2 + 2 * 0  +  1对应的进位
 *  ……= …… 
 * @author my
 *
 */
public class BigMultiply {
    public static void main(String[] args) {
        String str1 ="2342466546456";
        String str2 = "5364576545645464";

        int len1= str1.length();
        int len2= str2.length();

        char[] s1 = str1.toCharArray();
        char[] s2 = str2.toCharArray();

        //高低位对调
        coverdata(s1,len1);
        coverdata(s2,len2);
        System.out.println("乘数:"+ str1);
        System.out.println("乘数:"+ str2);
        multiply(s1,len1,s2,len2);
    }

    private static void multiply(char[] a, int alen, char[] b, int blen) {
        //两个数乘积位数不会超过乘数位数的和 +3位
        int csize = alen +blen +3;
        //开辟乘积的数组
        int [] c = new  int[csize];
        //对齐诸位相乘
        for(int j =0;j<blen;j++) {
            for(int i =0;i<alen;i++) {
                c[i+j] += Integer.parseInt(String.valueOf(a[i]))*Integer.parseInt(String.valueOf(b[j]));
            }
        }
        //进位处理
        int m = 0;
        for(m = 0; m<csize;m++) {
            int carray = c[m] /10;
            c[m] = c[m] %10;
            if(carray>0) {
                c[m+1] += carray; 
            }
        }
        //找到最高位
        for(m = csize-1;m>=0;m--) {
            if(c[m]>0)break;
        }

        System.out.println("乘积为:");
        for(int n = 0;n<=m;n++) {
            System.out.print(c[m-n]);
        }
        System.out.println("");

    }

    private static void coverdata(char[]data, int len) {
        //高低位对调
        for(int i=0;i<len/2;i++) {
            /**
             * a = a+b;
             * b = a - b;
             * a = a - b;
             */
            data[i] += data[len -1 -i];
            data[len -1 -i] = (char)(data[i]-data[len-1-i]);
            data[i] = (char)(data[i]-data[len-1-i]);
        }
    }
}
【轴承故障诊断】基于融合鱼鹰柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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