【洛谷算法题】P5708-三角形面积【入门1顺序结构】

简介: 【洛谷算法题】P5708-三角形面积【入门1顺序结构】

【洛谷算法题】P5708-三角形面积【入门1顺序结构】

【深基2.习2】三角形面积 - 洛谷

🌏题目描述

一个三角形的三边长分别是 a aab bbc cc,那么它的面积为 p ( p − a ) ( p − b ) ( p − c ) \sqrt{p(p-a)(p-b)(p-c)}p(pa)(pb)(pc),其中 p = 1 2 ( a + b + c ) p=\frac{1}{2}(a+b+c)p=21(a+b+c)。输入这三个数字,计算三角形的面积,四舍五入精确到 1 11 位小数。

🌏输入格式

第一行输入三个实数 a , b , c a,b,ca,b,c,以空格隔开。

🌏输出格式

输出一个实数,表示三角形面积。精确到小数点后 1 11 位。

🌏样例 #1

🌙样例输入 #1

3 4 5

🌙样例输出 #1

6.0

🌏提示

数据保证能构成三角形,0 ≤ a , b , c ≤ 1000 0\leq a,b,c\leq 10000a,b,c1000,每个边长输入时不超过 2 22 位小数。

🌏题解

import java.util.Scanner;
public class P5708 {
    public static void main(String[] args) {
        Scanner in = new Scanner(System.in);
        double a = in.nextDouble(), b = in.nextDouble(), c = in.nextDouble();
        double p = (a + b + c) * 0.5;
        System.out.printf("%.1f",Math.sqrt((p*(p-a)*(p-b)*(p-c))));
        in.close();
    }
}

🌏总结

这个题考查了 Java 的输入输出,数据类型和基本数学方法的使用。因为公式的计算结果是小数,所以我们将三角形的三边直接采用 double 类型,然后使用数学函数Math.sqrt()就可以计算 double 类型数据的平方根。

作者:花无缺(huawuque404.com)

相关文章
|
1月前
|
存储 缓存 算法
通过优化算法和代码结构来提升易语言程序的执行效率
通过优化算法和代码结构来提升易语言程序的执行效率
|
1月前
|
算法 测试技术 开发者
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗
在Python开发中,性能优化和代码审查至关重要。性能优化通过改进代码结构和算法提高程序运行速度,减少资源消耗;代码审查通过检查源代码发现潜在问题,提高代码质量和团队协作效率。本文介绍了一些实用的技巧和工具,帮助开发者提升开发效率。
47 3
|
1月前
|
机器学习/深度学习 算法 Python
机器学习入门:理解并实现K-近邻算法
机器学习入门:理解并实现K-近邻算法
36 0
|
2月前
|
存储 缓存 算法
如何通过优化算法和代码结构来提升易语言程序的执行效率?
如何通过优化算法和代码结构来提升易语言程序的执行效率?
|
2月前
|
机器学习/深度学习 算法
机器学习入门(三):K近邻算法原理 | KNN算法原理
机器学习入门(三):K近邻算法原理 | KNN算法原理
|
2月前
|
机器学习/深度学习 算法 大数据
机器学习入门:梯度下降算法(下)
机器学习入门:梯度下降算法(下)
|
2月前
|
机器学习/深度学习 算法 API
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
机器学习入门(五):KNN概述 | K 近邻算法 API,K值选择问题
|
2月前
|
机器学习/深度学习 算法
机器学习入门:梯度下降算法(上)
机器学习入门:梯度下降算法(上)
|
1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。
102 80
|
20天前
|
算法
基于WOA算法的SVDD参数寻优matlab仿真
该程序利用鲸鱼优化算法(WOA)对支持向量数据描述(SVDD)模型的参数进行优化,以提高数据分类的准确性。通过MATLAB2022A实现,展示了不同信噪比(SNR)下模型的分类误差。WOA通过模拟鲸鱼捕食行为,动态调整SVDD参数,如惩罚因子C和核函数参数γ,以寻找最优参数组合,增强模型的鲁棒性和泛化能力。