近似值取整的算法解析(巧妙化解小数)

本文涉及的产品
全局流量管理 GTM,标准版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
云解析 DNS,旗舰版 1个月
简介: leetcode经典编程,欢迎大家互相学习

image.png

首先,我先给大家补充一些相关的知识点,方便大家理解算法的书写.

  • java的强制类型分为两类,基本数据类型转换和对象引用类型转换。
  • 基本数据类型即int,double,float这些基本的数据类型,当高类型(高字节)转向低类型(短字节)时,如double转int,即需要强制转换。
  • 对象引用类型转换,指的是子类强制转换为父类的转换。
  • 之所以需要强制转换,是因为子类包含比父类更多的属性和方法,强制转换后,子类以父类的形态出现,暂时只能使用父类的方法。

扩展的强制类型转换,关于字符串

 调用被转换类型的toString()方法

 该方法不会影响原变量,它会将转换的结果返回

 null和undefined没有toString方法( 如果调用会报错 )

我们如果碰到字符串方面的使用,当然第一考虑的还是StringBuilder和StringBuffer,这样我们可以调用其中的append等方法,最后使用toString()方法进行转换即可.

具体实现:

importjava.util.*;
// 注意类名必须为 Main, 不要有任何 package xxx 信息publicclassMain {
publicstaticvoidmain(String[] args) {
Scannerin=newScanner(System.in);
// 注意 hasNext 和 hasNextLine 的区别while (in.hasNextDouble()) { // 注意 while 处理多个 casedoublea=in.nextDouble();
intf= (int)a;
doublem=a-f;
if(m>=0.5){
System.out.println(f+1);
            }else{
System.out.println(f);
            }
        }
    }
}


实现思路解读:

我的实现过程是首先使用while保证可以不断的输入浮点数的情况下,然后通过Int的强制类型转换将浮点数中的整数可以提取出来,然后使用原来的浮点数减去提取出来的整数然后将小数也提取出来.这样我们保证了后续可以将整数和小数进行分离计算.然后用小数进行判断,如果小数的值大于0.5,那么就在原来的整数上加1并且输出.如果小数值小于0.5的话那么直接输入我们提取出来的整数即可.


实现结果展示:


image.png

相关文章
|
10天前
|
算法 前端开发 数据处理
小白学python-深入解析一位字符判定算法
小白学python-深入解析一位字符判定算法
26 0
|
3天前
|
存储 算法 Java
解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用
在Java中,Set接口以其独特的“无重复”特性脱颖而出。本文通过解析HashSet的工作原理,揭示Set如何利用哈希算法和equals()方法确保元素唯一性,并通过示例代码展示了其“无重复”特性的具体应用。
15 3
|
5天前
|
搜索推荐 算法
插入排序算法的平均时间复杂度解析
【10月更文挑战第12天】 插入排序是一种简单直观的排序算法,通过不断将未排序元素插入到已排序部分的合适位置来完成排序。其平均时间复杂度为$O(n^2)$,适用于小规模或部分有序的数据。尽管效率不高,但在特定场景下仍具优势。
|
11天前
|
机器学习/深度学习 算法 PyTorch
Pytorch-RMSprop算法解析
关注B站【肆十二】,观看更多实战教学视频。本期介绍深度学习中的RMSprop优化算法,通过调整每个参数的学习率来优化模型训练。示例代码使用PyTorch实现,详细解析了RMSprop的参数及其作用。适合初学者了解和实践。
19 1
|
5天前
|
前端开发 算法 JavaScript
无界SaaS模式深度解析:算力算法、链接力、数据确权制度
私域电商的无界SaaS模式涉及后端开发、前端开发、数据库设计、API接口、区块链技术、支付和身份验证系统等多个技术领域。本文通过简化框架和示例代码,指导如何将核心功能转化为技术实现,涵盖用户管理、企业店铺管理、数据流量管理等关键环节。
|
11天前
|
机器学习/深度学习 算法 PyTorch
Pytorch-SGD算法解析
SGD(随机梯度下降)是机器学习中常用的优化算法,特别适用于大数据集和在线学习。与批量梯度下降不同,SGD每次仅使用一个样本来更新模型参数,提高了训练效率。本文介绍了SGD的基本步骤、Python实现及PyTorch中的应用示例。
24 0
|
11天前
|
机器学习/深度学习 传感器 算法
Pytorch-Adam算法解析
肆十二在B站分享深度学习实战教程,本期讲解Adam优化算法。Adam结合了AdaGrad和RMSProp的优点,通过一阶和二阶矩估计,实现自适应学习率,适用于大规模数据和非稳态目标。PyTorch中使用`torch.optim.Adam`轻松配置优化器。
22 0
|
15天前
|
存储 搜索推荐 算法
【排序算法(二)】——冒泡排序、快速排序和归并排序—>深层解析
【排序算法(二)】——冒泡排序、快速排序和归并排序—>深层解析
|
15天前
|
搜索推荐 算法
【排序算法(一)】——插入排序,选择排序 —> 深层解析
【排序算法(一)】——插入排序,选择排序 —> 深层解析

推荐镜像

更多