01【C语言 & 趣味算法】百钱百鸡问题(问题简单,非初学者请忽略叭)。请注意算法的设计(程序的框架),程序流程图的绘制,算法的优化。

简介: 01【C语言 & 趣味算法】百钱百鸡问题(问题简单,非初学者请忽略叭)。请注意算法的设计(程序的框架),程序流程图的绘制,算法的优化。

声明:该内容节选自《C语言趣味编程100例》,博主在此只是记录与分享,力求能够传播更多的Ci言编程知识,让大家喜欢上C语言(★w ★)。请尊重原著,建议阅读原书,可以获得更多知识体验喔! ~


零、写在前面



算法是解决特定问题的方法,是程序设计的基础,是程序设计的灵魂。作为一个算法,应具备5个特性,即有穷性、确定性、可行性、输入和输出。计算机算法可分为两大类,分别是数值计算算法和非数值计算算法,数值计算Q的目的是求解数值,例如求方程的根;非数值计算算法主要用于处理事务领域的问题,如排序、查找等。该系列Blog旨在通过一些典型算法的介绍,引领读者走入计算机算法的世界,了解算法设计,学会用C语言来实现一个算法。


那么,来看今天的问题叭!


一、百钱百鸡问题



注:这系列问题,首先考虑用C语言来解决,如果有机(时)会(间)的话,博主会采用Python语言来处理。

该问题较为简单,但是需要关注的点是,算法是如何设计的?

还有就是,对于知识点的补充。

程序流程图的思路与绘制。

问题的优化。


1.1问题描述

67313e50a9cf40fbaa6c83947cbf49fd.jpg


1.2问题分析

0e12a30834d44b87afd4f10b04824e5e.jpg

1.3算法设计(请注意)

24c454199b6e45b29f3d23f54249d730.jpg


1.4知识点补充:结构化程序设计的3种基本结构

e01e3c05b897417eb0287ac4f20349e7.jpg039b65c9496f42fbb0b875e36d49b974.jpg


1.5确定程序框架

a2e7880079bd44f793a5f46aaaf3a2c5.jpg


1.6公鸡、母鸡和小鸡数量的确定

cd8dcd3521ae462c9e14d659db88c2d0.jpg


1.7完整code与输出


// 趣味01:百钱百鸡问题 
#include<stdio.h>
main()
{
 int cock,hen,chicken;
 for(cock=0;cock<=20;cock++)      /*外层循环控制公鸡数量取值范围0~20*/
   for(hen=0;hen<=33;hen++)     /*内层循环控制母鸡数量取值范围0~30*/
         for(chicken=0;chicken<=100;chicken++)
         /*内层循环控制小鸡数量取值范围0~100*/
    {
      if((5*cock+3*hen+chicken/3.0==100)&&(cock+hen+chicken==100))
    /*在内外层循环条件控制下小鸡数量的取值限制用难一组解的合理性*/
      printf("cock=%2d,hen=%2d,chicken=%2d\n",cock,hen,chicken);
  }
}

输入如下:

cf2b77e6365743479f2e69f3872ff173.jpg


1.8附:程序流程图

7beecb2771d54cf281d0ef9eccfad3e6.jpg


1.9附:问题拓展,算法优化!

9ba59f7c90104dd6b376e2708a643be0.jpg


(即chicken小鸡的数目应当是整数,因为3只chicken为1钱~)

验证解的合理性,博主认为,这是本题解的一个亮点,一定程度上,减少了这种解法的运算量。


相关文章
|
15天前
|
机器学习/深度学习 算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测,使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络,展示了三者的误差和预测曲线差异。核心程序结合遗传算法(GA)与BP神经网络,利用GA优化BP网络的初始权重和阈值,提高预测精度。GA通过选择、交叉、变异操作迭代优化,防止局部收敛,增强模型对金融市场复杂性和不确定性的适应能力。
149 80
|
3天前
|
机器学习/深度学习 数据采集 算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测,采用CNN-GRU-SAM网络结构。卷积层提取局部特征,GRU层处理长期依赖,自注意力机制捕捉全局特征。完整代码含中文注释和操作视频,运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数,最终输出预测结果。适用于金融市场、气象预报等领域。
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
|
5天前
|
机器学习/深度学习 人工智能 算法
机器学习算法的优化与改进:提升模型性能的策略与方法
机器学习算法的优化与改进:提升模型性能的策略与方法
72 13
机器学习算法的优化与改进:提升模型性能的策略与方法
|
1天前
|
移动开发 算法 计算机视觉
基于分块贝叶斯非局部均值优化(OBNLM)的图像去噪算法matlab仿真
本项目基于分块贝叶斯非局部均值优化(OBNLM)算法实现图像去噪,使用MATLAB2022A进行仿真。通过调整块大小和窗口大小等参数,研究其对去噪效果的影响。OBNLM结合了经典NLM算法与贝叶斯统计理论,利用块匹配和概率模型优化相似块的加权融合,提高去噪效率和保真度。实验展示了不同参数设置下的去噪结果,验证了算法的有效性。
|
8天前
|
机器学习/深度学习 算法
基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
本项目基于遗传优化的双BP神经网络实现金融序列预测,使用MATLAB2022A进行仿真。算法通过两个初始学习率不同的BP神经网络(e1, e2)协同工作,结合遗传算法优化,提高预测精度。实验展示了三个算法的误差对比结果,验证了该方法的有效性。
|
11天前
|
机器学习/深度学习 数据采集 算法
基于PSO粒子群优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目展示了基于PSO优化的CNN-GRU-SAM网络在时间序列预测中的应用。算法通过卷积层、GRU层、自注意力机制层提取特征,结合粒子群优化提升预测准确性。完整程序运行效果无水印,提供Matlab2022a版本代码,含详细中文注释和操作视频。适用于金融市场、气象预报等领域,有效处理非线性数据,提高预测稳定性和效率。
|
12天前
|
机器学习/深度学习 算法 索引
单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
本项目使用FW烟花优化算法求解单目标问题,并在MATLAB2022A中实现仿真,对比PSO和GA的性能。核心代码展示了适应度计算、火花生成及位置约束等关键步骤。最终通过收敛曲线对比三种算法的优化效果。烟花优化算法模拟烟花爆炸过程,探索搜索空间,寻找全局最优解,适用于复杂非线性问题。PSO和GA则分别适合快速收敛和大解空间的问题。参数调整和算法特性分析显示了各自的优势与局限。
|
15天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
27 6
|
5天前
|
传感器 算法
基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
本项目基于遗传算法(GA)优化无线传感器网络(WSN)的节点部署,旨在通过最少的节点数量实现最大覆盖。使用MATLAB2022A进行仿真,展示了不同初始节点数量(15、25、40)下的优化结果。核心程序实现了最佳解获取、节点部署绘制及适应度变化曲线展示。遗传算法通过初始化、选择、交叉和变异步骤,逐步优化节点位置配置,最终达到最优覆盖率。
|
5天前
|
算法
基于RRT优化算法的机械臂路径规划和避障matlab仿真
本课题基于RRT优化算法实现机械臂路径规划与避障。通过MATLAB2022a进行仿真,先利用RRT算法计算避障路径,再将路径平滑处理,并转换为机械臂的关节角度序列,确保机械臂在复杂环境中无碰撞移动。系统原理包括随机生成树结构探索空间、直线扩展与障碍物检测等步骤,最终实现高效路径规划。