蓝桥杯 1441 幸运数 (模拟)

本文介绍了一种基于“筛法”的幸运数生成方法,并提供了一个C++实现的例子,用于找出指定范围内幸运数的数量。幸运数是一种通过特定规则筛选自然数序列得到的数列。

题目描述

幸运数是波兰数学家乌拉姆命名的。它采用与生成素数类似的“筛法”生成 。  

首先从1开始写出自然数1,2,3,4,5,6,.... 

1  就是第一个幸运数。 

我们从2这个数开始。把所有序号能被2整除的项删除,变为: 1    3    5    7    9  .... 

把它们缩紧,重新记序,为: 1  3  5  7  9  ....  。

这时,3为第2个幸运数,然后把所有能被3整除的序号位置的数删去。注意,是序号位置,不是那个数本身能否被3整除!!  删除的应该是5,11,  17,  ... 

此时7为第3个幸运数,然后再删去序号位置能被7整除的(19,39,...) 

最后剩下的序列类似: 

1,  3,  7,  9,  13,  15,  21,  25,  31,  33,  37,  43,  49,  51,  63,  67,  69,  73,  75,  79,  ... 

输入

输入两个正整数m  n,  用空格分开  (m  <   n  <   1000*1000)  

输出

程序输出  位于m和n之间的幸运数的个数(不包含m和n)。  

样例输入

30 69

样例输出

8

分析:

这道题刚开始题意理解错了,以为只要找到第3个幸运数之后就不用再往后除了,其实是我们应该找到数组的最后的,但是我们还应该考虑到一点就是,数据范围那么大,找到最后的话肯定会超时的。

所以我们应该找到一个结束的条件,我们只需要找n到m范围之内的幸运数就行了,也就是意味着大于m的我们可以不用管,我们把当前的被除数当作op,如果op的值比m还要大的话,我们就没有必要往下找了,因为这样他删除的都是大于m的数,跟我们所需要求的并没有关系,就可以不再往下循环。

#include<stdio.h>
#include<iostream>
#include<algorithm>
using namespace std;
#define INF 0x3f3f3f3f
int a[1000001]={0};
int main()
{
    int n,m;
    scanf("%d%d",&n,&m);
    for(int i=0;i<=500000;i++)//首先给整个数组赋值,我们知道第一次除以2也就是相当于把偶数都除掉了 
    {
        a[i]=i*2-1;//只给奇数赋值就行 
    }
    int op=3;
    int flag=2;//表示的是当前的下标 
    int k;//下次循环的数组大小 
    int mm=500000;//mm控制的是数组的范围 
    while(op<=m)//op为当前的被除数,op到m就可以截至了 
    {
      flag++;
      k=2;
     for(int i=2;i<=mm;i++)//循环整个的数组 
      {
        if(i%op!=0)
        {       
          a[k++]=a[i];//数组刷新 
        } 
      }
      mm=k;
      op=a[flag];      
    }     
    int sum=0;   
    for(int i=2;i<=k;i++)
    {
         if(a[i]>n&&a[i]<m)
         sum++;
         if(a[i]>=m)
         break;
    }
    printf("%d",sum); 
    return 0;
}

转载于:https://www.cnblogs.com/cmmdc/p/6729729.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式算法,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,通过学优化器加速函(MOA)和学优化概率(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函进行测试验证。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理解元启发式算法的设计思想与实现机制;②掌握AOA在函优化、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,尝试在不同测试函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