使用递归输出1-100;9*9乘法表

利用递归打印1——100 递归。打印输出 阅读详情
递归算法是一种直接或者间接地调用自身算法的过程。在计算机编写程序中,递归算法对解决一大类问题是十分有效的,它往往使算法的描述简洁而且易于理解。
递归算法解决问题的特点:
(1) 递归就是在过程或函数里调用自身。
(2) 在使用递归策略时,必须有一个明确的递归结束条件,称为递归出口。【这点尤为重要】
(3) 递归算法解题通常显得很简洁,但递归算法解题的运行效率较低。所以一般不提倡用递归算法设计程序。
(4) 在 递归调用的过程当中系统为每一层的返回点、局部量等开辟了栈来存储。递归次数过多容易造成 栈溢出等。所以一般不提倡用递归算法设计程序。
打印从1到100,普通方法是循环100次,可用递归打印【实际中不建议用递归】;网上看过其他非递归非循环方法直接打印
public class Print1_100 {

	public static void main(String[] args) {
		printX(1,100);
	}
	public static void printX(int start,int end){
		if(start>end){
			return;
		}
		System.out.println(start);
		start++;
		printX(start,end);
	}
}

99乘法表,普通方法是写2个for循环(内层用j,外层用i);也可以写一层for(i,j条件放到一起)
//2层for循环
public class Jj {

	public static void main(String[] args) {
		// TODO 自动生成的方法存根
		
		for (int i = 1; i <= 9; i++) {
			for (int j = 1; j <= i; j++) {
				System.out.print(j + "*" + i + "=" + i * j);
				if(j<i)//是否填写""
				System.out.print(" ");
			}
			System.out.println();
		}
	}
}
采用递归的方法:(案例中将i,j定义为static)
public class Test {
	static int i = 1;
	static int j = 1;

	public static void main(String[] args) {
		jj(9);
	}

	public static void jj(int n) {
		if (i > n) {
			return;
		}
		for (; i <= n;) {
			System.out.print(j + "*" + i + "=" + (i * j) + " ");
			if (i == j) {
				j = 1;
				i++;
				System.out.println();
				continue;
			}
			j++;
			jj(i);
		}
	}
}
最后画图说明了下,不足之处望指出!



No.6-No.10 C语言从初识到竞赛精通 No.6-No.10 C语言经典算法100例 阅读详情

相关推荐

【DMA】认识 DMA 及其工作流程(与传统CPU存取方式的区别)

【DMA】认识 DMA 及其工作流程(与传统CPU存取方式的区别)

challenglistic的博客 5万+

用递归的方法输出1到100

想写一个使用递归的方法输出1到100,但是几次试验都没成功。 下面一段求1到100的和的成功了,输出结果为5050 int func(int num) { int sum; if (num > 1) sum = num + func(num-1); else sum = 0; return sum; }

JAVA领域优质创作者,基于分片网络查询方法专利发明者。 8703

Streamlit(九) widgets-input

st.text_input / st.number_input / st.date_input / st.time_input 源码路径:${python}\Lib\site-packages\streamlit\elements\text_widgets.py(number_input.py, time_widgets.py) st.text_input st.text_input(label, value="", max_chars=None, key=None,\

heianduck的博客 3354

函数递归输出1~100的数字及递归的栈溢出问题

递归就是函数⾃⼰调⽤⾃⼰递归中的递就是递推的意思,归就是回归的意思把一个大的复杂问题转化一个小的问题,但要与原问题相似,分解成规模较⼩的⼦问题来求解;直到⼦问题不能再被拆分,递归就结束了,所以递归的思考⽅式就是把⼤事化⼩的过程迭代的方式是比递归的效率高很多,递归有时候使用不当,就会导致一些问题,不好维护,也不要什么要的代码就想着使用递归,适可⽽⽌就好了。

2301_81711797的博客 1196

OS实验xv6 6.S081 开坑

OS实验xv6 6.S081 开坑 终于把xv6 2019 6.S081做完了,网络部分没有写,因为有计网实验了。怎么说呢,xv6的坑有点多,能做完多亏了:和我同学ljj交流,参考RedemptionC老哥的博客(他写的非常详细,遗憾的是,他好像没有写mmap),再者就是参考这位老哥的做法(没有源码,写得不是特别详细,不过有借鉴作用,mmap就是借鉴了他的思想)……废话不多说了,直接开始。 实验指导 首推RedemptionC的博客 这位老哥的个人博客 xv6 6.S081官网(后面的实验都要参考官网

不定期更新系统使用、编程小技巧,哔哩哔哩账号:https://space.bilibili.com/399455629,欢迎关注 4494

【个人记录】CentOS7升级glibc至2.28

由于CentOS7系统已经停止支持, 虽然大部分业务已经迁移至OpenEuler,但仍然有部分业务系统跑在CentOS7上。在尝试部署新业务环境时经常会提示如下错误(以code-server运行需要的node 20为例)node -v为了保障业务可正常运行,通常采用Docker继承好的node环境进行部署,但部分场景还是需要宿主机使用新版glibc版本。本文记录本人一次成功升级glibc(2.17=>2.28)的步骤。

喵呜 3885

递归计算1-100的数

function sum($n){   //5   if($n == 1){           return 1;       }       $sum = $n+sum($n-1);//5+sum(4)  4+sum(3)  3+sum(2)  2+sum(1)       return $sum;   }      //echo sum(100); function

幻羽公子的博客 1715

微信公众平台 - 微信内置浏览器 WeixinJSBridge.invoke(‘xxx‘) API 报错:system:access_denied(常见于微信支付、分享朋友圈/转发好友等功能)解决方案

微信支付提示System:access_denied,调用微信支付返回:system:access_denied为什么,安卓版微信支付偶尔出现system:access_denied,微信公众号开发分享出现system:access_denied,system:access_denied如何解决?微信WeixinJSBridge.invoke(‘xxx‘)API调用后出现报错,微信内部H5WeixinJSBridge.invokesystem:access_denied,使用微信jssdk时报ac

🏆 前端领域优质创作者 5147

递归简介+递归例题(使用递归输出1~100)

使用递归的方法打印1到100return;}}//主函数(main方法),程序入口(此处启动,调用printx方法,输入参数调用此方法)}}

m0_71202849的博客 899

[Dify实战] 多轮对话状态管理:上下文保持与槽位填充

本文探讨了基于LLM的对话应用中多轮对话状态管理的核心挑战与解决方案。文章指出,单纯的"能聊"远远不够,关键在于建立有效的状态管理机制,包括上下文保持和槽位填充两大核心能力。通过Dify实战视角,详细阐述了如何设计工程化落地方案:采用混合策略的上下文管理(窗口+摘要+关键槽位)、JSON Schema强约束的槽位抽取、统一状态对象存储、冲突处理机制和优化追问策略。文章特别强调,合理的状态管理能将"聊天"转化为"可执行的业务流程",避免模型成为&qu

技术小甜甜:传播可落地技术,帮助个人和企业降低解决真实场景问题的成本 244

使用libVLC进行视频截图的C/C++实现

通过这些代码,你可以在C/C++应用程序中实现视频截图功能,并将视频帧保存为图像文件。请注意,本文只提供了基本的示例代码,你可以根据自己的需求进行扩展和修改。libVLC是一个强大的开源多媒体框架,可以用于在C/C++应用程序中处理和播放音频和视频文件。我们将展示如何初始化libVLC,打开视频文件,捕获视频帧并保存为图像文件。在开始编写代码之前,你需要包含libVLC的头文件,并链接相应的库文件。在链接阶段,你需要添加libVLC库的链接选项。在使用libVLC之前,你需要初始化libVLC的实例。

学习使你进步。 471

9×9乘法表

1、源码如下 multiplication.html:       乘法表                            .body_class{            width:50%;            height: 60%;            font-size: 16px;            backgroun

游海东的技术专栏 1794

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

C语言实验(六):循环(九九乘法表、斐波那契数列输出、方程实际问题)

C语言实验(六):循环(九九乘法表、斐波那契数列输出、方程实际问题)一、输出九九乘法口诀。二、输入两个正整数m和n(m<=n, m>=1, n<=10000),输出m-n之间所有的Fibonacci数列:1,1,2,3,5,8,13,21……三、每个高级程序员月薪5万元,中级程序员月薪3万元,3个一般程序员打包月薪1万元,一个月用100万雇佣100个程序员,请输出可能的所有方案。...

Blog of Mark 1507

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

Sql 语句小课堂1:99乘法表

declare @b nvarchar(max) with t as ( select number from master..spt_values a where a.type='p' and a.number between 1 and 9 ) ,t1 as ( select isnull([1],'') as c1,isnull([2],'') as c2,i...

文盲的专栏 775

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain&#39;s apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath(&#39;DeepLearnToolbox&#39;));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand(&#39;state&#39;,0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = &#39;sigm&#39;;%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, &#39;Too big error&#39;);```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, &#39;Too big error&#39;);```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

99乘法表Java while_如何用一个循环语句输出九九乘法表?

#includeusing namespace std;int n;int main(){cin>>n;for(int i=11;i<=11*n;i++){cout<i+=(i%10)/(i/10)*(10-(i%10));}return 0;}最新更新!!!!!学长这个答案几乎算是完全符合了,可以终结!这是目前见过最符合标准的!手动 @大神@孙骏博 了不起的学长完成了这...

weixin_29111953的博客 1255

C语言九九乘法表:从基础循环到递归的五种实现与调试技巧

循环控制是C语言编程的核心基础,它通过重复执行代码块来处理数据集合或实现特定逻辑。其原理在于利用条件判断和计数器,控制代码的执行流程。掌握循环对于实现算法、处理用户输入和构建程序逻辑至关重要,是开发各类应用的基础。在初学阶段,通过实现九九乘法表这一经典练习,可以深入理解循环嵌套、格式化输出和代码结构。本文聚焦于C语言基础教学与编程思维训练,详细解析了包括经典双层for循环、while循环、格式化输出控制、单层循环数学解法以及函数封装与递归在内的五种实现方法,并提供了针对输出格式对齐、死循环等常见问题的调试技

weixin_30629653的博客 394

函数递归学习方法

函数递归(Recursion):即函数中直接或间接的调用自己的行为称为递归。 递归如果不设置结束条件就会无限执行,跟循环结构的死循环一样,最后卡死。 来一张自己制作的利用递归计算阶乘(比如4的阶乘=4*3*2*1)的分解图: 下面的代码段中有几个递归实例: #include <stdio.h> /* 时间:2022-04-14 11:34 作者:sgbl888 功能:递归学习 知识点: 1、求1+2...+100的和 2、求5的阶乘 3、打印99乘法表,从9

sgbl888的博客 355

06 java 基础:java 循环 递归

1递归实现 1 + 2 +3 +4 +5 + .... +100 public static int addSum(int num){ if(num == 1) return 1; return num + addSum(num-1); } 2递归实现阶乘 1!+2!+3!+...+ 100! ...

weixin_30333885的博客 56

c语言实验--九九乘法表,C语言实验(六):循环(九九乘法表、斐波那契数列输出、方程实际问题)...

C语言实验(六):循环(九九乘法表、斐波那契数列输出、方程实际问题)一、输出九九乘法口诀。二、输入两个正整数m和n(m<=n, m>=1, n<=10000),输出m-n之间所有的Fibonacci数列:1,1,2,3,5,8,13,21……三、每个高级程序员月薪5万元,中级程序员月薪3万元,3个一般程序员打包月薪1万元,一个月用100万雇佣100个程序员,请输出可能的所有方案。...

weixin_29220405的博客 977

Python九九乘法表(for、while循环)

分别使用for循环和while循环写出九九乘法表 // An highlighted block var foo = 'bar'; // A code block var foo = 'bar';

小王同学 2247

Python实现九九乘法表的几种方式,入门必备案例~超级简单~

们在学习Python的过程中需要不断的积累和练习,这样才能够走的更远,今天一起来学习怎么用Python写九九乘法表~j = 1# %-3d 是控制输出结果占据3位,且从左面开始对齐j += 1print()效果展示。

2301_82000445的博客 4755

Python打印九九乘法表的5种方式代码示例

到此这篇关于Python打印九九乘法表的5种方式的文章就介绍到这了,更多相关Python打印九九乘法表内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持。关键点:外循环控制行,内循环控制列,列数取决于行数(第一行一列,第二行二列……方式三:while循环。

Oona_01的博客 1365

java递归解决百元百鸡_java递归函数

一、含义递归算法是一种直接或间接地调用自身的算法。在计算机编写程序中,递归算法对解决一大类问题是十分有效的,它往往使算法的描述简洁而且易于理解。二、例子99乘法表的例子1、普通实现99乘法表太简单,是个程序员都会,实现如下:packagetest.ms;publicclassTest99{publicstaticvoidmain(String[]args){for(inti=1...

weixin_36179941的博客 277

C语言循环控制与格式化输出:从九九乘法表解析五种实现方法

循环控制是编程语言的核心基础概念之一,它允许程序重复执行特定代码块,是实现自动化处理的关键。其原理在于通过初始化、条件判断和迭代更新三个要素,控制代码的执行流程与次数。掌握循环结构对于理解程序逻辑、提升代码效率具有重要技术价值,广泛应用于数据处理、算法实现和用户交互等场景。本文以C语言中经典的九九乘法表为例,深入探讨了使用**双层for循环**和**while循环**等不同循环结构实现该问题的五种方法,并详细分析了**格式化输出**技巧对结果对齐的影响,帮助读者从多维度巩固编程基础,提升工程实践能力。

weixin_33795743的博客 729
上一篇: 如何判断一段字符串最后一个单词及其长度?
下一篇: Java中常用代码封装--未完待续
zcoderz
博客等级 码龄10年 2粉丝 16原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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