经典题:求一个数是否为质数

简介: 介绍质数判断与自幂数概念:质数为仅被1和自身整除的大于1的自然数;自幂数是n位数等于各位数字n次幂之和,如水仙花数(三位)、四叶玫瑰数(四位)等,体现数字的独特数学之美。(239字)

1.求一个数是否为质数

public class MathDemo{
   
    public static void main(Sting[] args){
   
        //判断一个数是否为质数
        System.out.println(isPrime(number:13));
        System.out.println(isPrime(number:10));
        System.out.println(isPrime(number:997));
    }
    public static boolean isPrime(int number){
   
        for (int i = 2; i <= Math.sqrt(number); i++)
            if(number % i == 0){
   
                return false;
            }
        return true;
    }
}

2.自幂数,一个n位自然数等于自身各个数位上数字的n次幂之和

举例1:三位数 1^3^+5^3^+3^3^=153

举例2:四位数 1^4^+6^4^+3^4^+4^4^=1634

如果自幂数是一位数,也叫做:独身数

三位自幂数:水仙花数 四位自幂数:四叶玫瑰数

五位自幂数:五角星数 六位自幂数:六合数

七位自幂数:北斗七星数 八位自幂数:八仙数

九位自幂数:九九重阳数 十位自幂数:十全十美数

public class MathDemo {
   
    public static void main(String[] args) {
   
        //水仙花数:100~999
        for (int i = 100; i <= 999; i++) {
   
            //个位 十位 百位
            int ge = i % 10;
            int shi = i / 10 % 10;
            int bai = i / 100 % 10;
            //判断:每一位的三次方之和跟本身进行比较:
            double sum = Math.pow(ge, 3) + Math.pow(shi, 3) + Math.pow(bai, 3);
            if(sum == i){
   
                System.out.println(i);
            }
        }
    }
}
相关文章
|
2月前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:七十、小树成林,聚沙成塔:随机森林与大模型的协同进化
随机森林是一种基于决策树的集成学习算法,通过构建多棵决策树并结合它们的预测结果来提高准确性和稳定性。其核心思想包括两个随机性:Bootstrap采样(每棵树使用不同的训练子集)和特征随机选择(每棵树分裂时只考虑部分特征)。这种方法能有效处理大规模高维数据,避免过拟合,并评估特征重要性。随机森林的超参数如树的数量、最大深度等可通过网格搜索优化。该算法兼具强大预测能力和工程化优势,是机器学习中的常用基础模型。
539 165
|
2月前
|
消息中间件 人工智能 NoSQL
AgentScope x RocketMQ:打造企业级高可靠 A2A 智能体通信基座
Apache RocketMQ 推出轻量级通信模型 LiteTopic,专为 AI 时代多智能体协作设计。它通过百万级队列支持、会话状态持久化与断点续传能力,解决传统架构中通信脆弱、状态易失等问题。结合 A2A 协议与阿里巴巴 AgentScope 框架,实现高可靠、低延迟的 Agent-to-Agent 通信,助力构建稳定、可追溯的智能体应用。现已开源并提供免费试用,加速 AI 应用落地。
373 36
AgentScope x RocketMQ:打造企业级高可靠 A2A 智能体通信基座
|
2月前
|
存储 弹性计算 固态存储
阿里云服务器租用价格:实例配置、带宽、云盘收费标准与云服务器活动价格参考
对于初次选购阿里云服务器的用户而言,云服务器的收费标准与活动价格是大家最为关注的问题,而在实际选购中,通常都是选择2核4G、4核8G、8核16G,2核8G、4核16G、8核32G,2核16G、4核32G、8核64G这些热门配置。本文为大家整理了阿里云服务器的收费模式,实例与配置收费标准,带宽与云盘收费标准,以及2核4G、4核8G、2核8G、4核16G、8核32G,2核16G等热门配置当下活动价格情况,以供大家参考。
482 20
|
2月前
|
机器学习/深度学习 人工智能 前端开发
构建AI智能体:六十九、Bootstrap采样在大模型评估中的应用:从置信区间到模型稳定性
Bootstrap采样是一种通过有放回重抽样来评估模型性能的统计方法。它通过从原始数据集中随机抽取样本形成多个Bootstrap数据集,计算统计量(如均值、标准差)的分布,适用于小样本和非参数场景。该方法能估计标准误、构建置信区间,并量化模型不确定性,但对计算资源要求较高。Bootstrap特别适合评估大模型的泛化能力和稳定性,在集成学习、假设检验等领域也有广泛应用。与传统方法相比,Bootstrap不依赖分布假设,在非正态数据中表现更稳健。
596 113
|
2月前
|
机器学习/深度学习 人工智能 监控
别把模型当宠物养:从 CI/CD 到 MLOps 的工程化“成人礼”
别把模型当宠物养:从 CI/CD 到 MLOps 的工程化“成人礼”
333 163
|
4月前
|
负载均衡 测试技术 调度
大模型分布式推理:张量并行与流水线并行技术
本文深入探讨大语言模型分布式推理的核心技术——张量并行与流水线并行。通过分析单GPU内存限制下的模型部署挑战,详细解析张量并行的矩阵分片策略、流水线并行的阶段划分机制,以及二者的混合并行架构。文章包含完整的分布式推理框架实现、通信优化策略和性能调优指南,为千亿参数大模型的分布式部署提供全面解决方案。
982 4
|
5月前
|
机器学习/深度学习 传感器 分布式计算
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
数据才是真救命的:聊聊如何用大数据提升灾难预警的精准度
369 14
|
2月前
|
人工智能 搜索推荐 算法
AI热点选品:当推荐系统遇上“热点”,我们需要一场变革
针对传统推荐系统滞后于外部热点的问题,我们构建了“热点AI选品”自动化系统。通过小时级感知、LLM驱动的热点理解与需求推理、多模态素材召回、三级机审过滤及话题聚合技术,实现从热点捕捉到商品分发的端到端闭环,显著提升信息流的新鲜感与用户参与度。
249 12
AI热点选品:当推荐系统遇上“热点”,我们需要一场变革
|
30天前
内部类
内部类是定义在类中的类,分为成员、静态、局部和匿名四种。成员内部类属于外部类成员,可被权限修饰符修饰;静态内部类仅访问外部静态成员;局部内部类定义在方法内;匿名内部类用于简化接口或父类的实现,常用于一次性场景,提升代码简洁性。(238字)
62 1