【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
|
4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
106 2
|
4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。
71 3
|
5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?
124 5
|
4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
60 0
|
5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
|
5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)
|
5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)
|
5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
|
11天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
本研究基于MATLAB 2022a,使用GRU网络对QAM调制信号进行检测。QAM是一种高效调制技术,广泛应用于现代通信系统。传统方法在复杂环境下性能下降,而GRU通过门控机制有效提取时间序列特征,实现16QAM、32QAM、64QAM、128QAM的准确检测。仿真结果显示,GRU在低SNR下表现优异,且训练速度快,参数少。核心程序包括模型预测、误检率和漏检率计算,并绘制准确率图。
83 65
基于GRU网络的MQAM调制信号检测算法matlab仿真,对比LSTM
|
2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-LSTM-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-LSTM-SAM网络时间序列预测算法。使用Matlab2022a开发,完整代码含中文注释及操作视频。算法结合卷积层提取局部特征、LSTM处理长期依赖、自注意力机制捕捉全局特征,通过粒子群优化提升预测精度。适用于金融市场、气象预报等领域,提供高效准确的预测结果。

热门文章

最新文章