本月一共多少天

程序设计与算法实现
本文详细探讨了程序设计方法、算法、数据结构等核心概念,包括面向对象编程、函数式编程、逻辑编程、设计模式等内容,同时涉及排序算法、动态规划、哈希算法等经典算法的实现与应用。
/*   
 * Copyright (c) 2012, 烟台大学计算机学院    
 * All rights reserved.    
 * 作    者:王蕾  
 * 完成日期:2012 年 11 月 3 日    
 * 版 本 号:v1.0    
  * 输入描述:本月有几天 
* 问题描述:输入年份、月份,即可求得本月一共多少天  
* 程序输出:本月一共多少天 
* 问题分析:先判断是否为闰年,然后根据所输入的月份进行输出 
* 算法设计:    
*/      
  
#include <iostream>  
using namespace std;  
int main()  
{  
    int year,month,day;  
    cout<<"请输入年、月;";  
cin>>year>>month;  
if(year%4==0&&year%100!=0)  
{  
    switch(month)  
    {  
    case 1:  
        day=31;break;  
    case 2:  
      day=29;break;  
    case 3:  
        day=31;break;  
    case 4:  
        day=30;break;  
    case 5:  
        day=31;break;  
    case 6:  
       day=30;break;  
    case 7:  
        day=31;break;  
    case 8:  
        day=31;break;  
    case 9:  
        day=30;break;  
    case 10:  
        day=31;break;  
    case 11:  
        day=30;break;  
    case 12:  
       day=31;break;  
    }  
}  
else  
    {  
        switch(month)  
        {  
    case 1:  
        day=31;break;  
    case 2:  
        day=28;break;  
    case 3:  
        day=31;break;  
    case 4:  
        day=30;break;  
    case 5:  
        day=31;break;  
    case 6:  
        day=30;break;  
    case 7:  
        day=31;break;  
    case 8:  
        day=31;break;  
    case 9:  
        day=30;break;  
    case 10:  
        day=31;break;  
    case 11:  
        day=30;break;  
    case 12:  
        day=31;break;  
    }  
}  
cout<<"本月共"<<day<<"天"<<endl;  
return 0;  
}  


 

 

运行结果:

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