函式递回

本文介绍了递回函数的基本概念,并通过三个实例演示了递回函数在程式设计中的应用。包括数数字练习、求连续整数和及求上楼梯的方法数。

13 函式递回的理解:

13.1 (使用函式)数数字的练习

#include <stdio.h>
void countTo1 (int);


int main()
{
    countTo1(1);
    return 0;
    
}

void countTo1(int i) {
    if (i <= 3) {
        countTo1(i+1);
        printf("%d\n", i); // 这里的另一种写法是 printf("%d\n", i); countTo1(i+1);
    }
}

 13.2 (使用函式)求连续整数和的练习(有递回)

#include <stdio.h>
int sum(int N);

int main() {
    int N;
    printf("N = ");
    scanf("%d", &N);
    printf("%d\n", sum(N));
    return 0;
}

int sum (int N) {
    if (N == 1) {
        return 1;
    }
    return sum(N-1) + N;
}

N = 1000
500500

Process returned 0 (0x0)   execution time : 20.777 s
Press any key to continue.

13.3 求上楼梯的方法数的练习

#include <stdio.h>
int S(int);


int main() {
    int N;
    printf("N = ");
    scanf("%d", &N);
    printf("%d\n", S(N));
    return 0;
}

int S(int N) {
    if (N <= 2) {
        return N;
    }
    return S(N-1) + S(N-2);
}


N = 10
89

Process returned 0 (0x0)   execution time : 4.986 s
Press any key to continue.

 

转载于:https://www.cnblogs.com/pxxfxxxx/p/10794642.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发算法的设计思想与实现机制;②掌握AOA在数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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