c++作业4

本文通过三个实例演示了C++编程的基础技巧,包括打印九九乘法表、寻找1000以内的完数以及绘制星号图案。这些例子有助于初学者理解循环、条件判断等核心概念。

(1)项目三:乘法口诀表

#include<iostream>
using namespace std;
int main()
{
	int i,j;
	cout<<"九九乘法口诀表来啦哟"<<endl;
	for(i=1;i<=9;i++)
	{		
		for(j=1;j<=i;j++)
			cout<<j<<"*"<<i<<"="<<j*i<<"\t";
		cout<<endl;
	}
		return 0;
}
(2)项目四:输出完数

#include<iostream>
using namespace std;
int main()
{
	int i=2,j,k;
	cout<<"1000以内的一切完数有:";
	for(i;i<=1000;i++)
	{
		k=0;
		for(j=1;j<=i/2;j++)
			if(i%j==0) k=k+j;
		if(k==i) cout<<k<<",";
	}
	cout<<endl;
	return 0;
}

(3)项目六:输出星号图

#include<iostream>
using namespace std;
int main()
{
	int i=1,j=1;
	for(j;j<=6;j++)
		cout<<" ";
	cout<<"*"<<endl;
	for(i;i<=5;i++)
	{
		for(j=1;j<=6-i;j++)
			cout<<" ";
		cout<<"*";
		for(j=1;j<=-1+2*i;j++)
			cout<<" ";
		cout<<"*";
		cout<<endl;
	}
	for(j=1;j<=13;j++)
		cout<<"*";
	cout<<endl;
	return 0;
}


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论 1
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