蓝桥杯算法提高 P1001(大数乘法)

本文详细介绍了如何使用字符串方法解决大整数相乘问题,包括算法原理、代码实现及示例应用。
                  算法提高 P1001  
          时间限制:1.0s   内存限制:256.0MB  
  
  当两个比较大的整数相乘时,可能会出现数据溢出的情形。为避免溢出,可以采用字符串的方法来实现两个大数之间的乘法。
  具体来说,首先以字符串的形式输入两个整数,每个整数的长度不会超过8位,然后把它们相乘的结果存储在另一个字符串当中
  (长度不会超过16位),最后把这个字符串打印出来。
  例如,假设用户输入为:62773417和12345678,则输出结果为:774980393241726.

    输入:
      62773417 12345678

    输出:
      774980393241726
 
 
  如果只是为了应付OJ系统的判分直接利用 分治乘法 配合long long int 输出 即可解决
  
 1 #include "stdio.h"
 2 #include "math.h"
 3 int main()
 4 {
 5     long long int S;        //long long int 长度远大于题目要求的16位之内
 6     int n=0,i,j,k1,k2,L1,L2,A,B,C,D,m1,m2,m3,p,q;
 7     scanf("%d",&p); 
 8     scanf("%d",&q);
 9     if(p>q)
10         j=p;
11     else
12         j=q;
13     while(j!=0)
14     {
15         j=j/10;
16         n++;
17     }                  //此处计算最长数字的长度
18     L1=L2=n/2;
19     for(i=0,k1=p;i<L1;i++)
20     {
21         k1=k1/10;
22     }
23     A=k1;
24     for(i=0;i<L1;i++)
25     {
26         k1=k1*10;
27     }
28     B=p-k1;
29 
30     for(i=0,k2=q;i<L2;i++)
31     {
32         k2=k2/10;
33     }
34     C=k2;
35     for(i=0;i<L2;i++)
36     {
37         k2=k2*10;
38     }
39     D=q-k2;
40 
41     m1=A*C;
42     m2=(A-B)*(D-C);
43     m3=B*D;
44     S=(m1*pow(10,n)+(m1+m2+m3)*pow(10,n/2)+m3);//题目以十进制数为主故采用pow(10,x)同理可换成其他进制
45     printf("%lld\n",S);
46     return 0;
47  } 

 

判分结果:

大整数乘法原理简单来说就是把长数字拆分(此处为十进制)

即可得出 X=A*10n/2+B ,Y=C*10n/2+D

再推算得X*Y=AC*10n+[(A-B)(D-C)+AC+BD]*10n/2+BD

 

蓝桥练习系统的样例数据如下:

No.      input           output

1.    7563975 985872    7457111161200

2.  74863517 5896712    441448599056104

3.    658942 98541      64932803622

4.  96574832 54789216   5291259330611712

5.  32514689 25478691   828431713992099

6.      123 0          0  

转载于:https://www.cnblogs.com/4770k/p/5285814.html

内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和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)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
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  | 博主筛选后可见
 
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