题目1214:丑数-九度

题目描述:
把只包含因子2、3和5的数称作丑数(Ugly Number)。例如6、8都是丑数,但14不是,因为它包含因子7。
习惯上我们把1当做是第一个丑数。求按从小到大的顺序的第N个丑数。
输入:
输入包括一个整数N(1<=N<=1500)。
输出:
可能有多组测试数据,对于每组数据,
输出第N个丑数。
样例输入:
3
样例输出:

3

推荐指数:※※

来源:http://ac.jobdu.com/problem.php?pid=1214

这道求丑数的题目,如果直接暴力搜索,会超时。需要优化。

1.在求丑数的过程当中,有很多的重复计算,计算过的数可以不再计算。(超时)

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<iostream>
#include<math.h>
#include<vector>
using namespace std;
vector<bool> check;
bool is_ugly(long val){
	if(val<1)
		return false;
	while(val%2==0){
		val=val/2;
		if(check[val]==true)
			return true;
		else
			return false;
	}
	while(val%3==0){
		val=val/3;
		if(check[val]==true)
			return true;
		else
			return false;
	}
	while(val%5==0){
		val=val/5;
		if(check[val]==true)
			return true;
		else
			return false;
	}
	return val==1?true:false;
}
int main()
{
	int n;
	check.push_back(false);
	while(scanf("%d",&n)!=EOF){
			long val=0;
			int count=0;
			while(count<n){
				val++;
				if(is_ugly(val)==true){
					if(val>=check.size())
						check.push_back(true);
					count++;
				}else{
					if(val>=check.size())
						check.push_back(false);
				}
			}
			printf("%ld\n",val);
	}
	return 0;
}
但是这样同样超时,说明要改变思路。原来的思路是:每个数进行一次判断,判断当前数是否是丑数。但是,当数比较大的时候,丑数的分布就会很稀疏,会做很多无用的数的检测。

那就从丑数本身的性质考虑,只包含因子2、3和5的数称作丑数,说明这些数就是2,3,5的乘积。那么我们就使用2,3,5进行运算,求出N个丑数。当需要输出的时候直接查表。

关于,2,3,5为因子的数顺序输出,请看海涛的博客:http://zhedahht.blog.163.com/blog/static/2541117420094245366965/

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
#include<iostream>
#include<algorithm>
using namespace std;
const int N=1500;
void ugly(long * num){
		num[0]=1;
		long *u2=num;
		long *u3=num;
		long *u5=num;
		int index=1;
		while(index<=N){
				long tmp=min(*u2*2,*u3*3);
				tmp=min(tmp,*u5*5);
				num[index]=tmp;
				while(*u2*2<=tmp)
					u2++;
				while(*u3*3<=tmp)
					u3++;
				while(*u5*5<=tmp)
					u5++;
				index++;
		}		
}
int main()
{
		int n;
		long *num=new long[N];
		ugly(num);
		while(scanf("%d",&n)!=EOF){
				printf("%ld\n",num[n-1]);
		}
		return 0;
}



内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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