函数求值一<找规律>

函数求值

题意:

    定义函数g(n)为n最大的奇数因子。求f(n)=g(1)+g(2)+g(3)+…+g(n)。1<=n<=10^8;

思路:

首先明白暴力没法过。问题是如何求解,二分。知道奇数的最大因子是他本身,并且小于等于n的奇数的和很容易就可以求出来(等差数列)。那么剩下的偶数除以2得到n`,然后去求小于等于n`的奇数,最后得解。
<long long>
#include<cstdio>
typedef long long  LL;
int main ()
{
    LL n,ans;
    while (~scanf("%lld",&n))
    {
        ans=0;
        for(;n>=1;n/=2)
        {
            if(n%2==0)
                ans+=n*n/4;
            else
                ans+=(n+1)*(n+1)/4;
        }
        printf("%lld\n",ans);
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
gwo算法是一种群智能优化算法,其灵感来源于狼群的行为方式。狼群中的每只狼都按照一定的规律协作,追共同的目标,这种行为方式被应用到gwo算法的优化过程中。 为了验证gwo算法是否有效,我们可以通过求值基准测试函数来进行评估。基准测试函数是一种经过严格设计用于评估不同优化算法表现的标准函数,多用于科学计算及其他优化问题中。 下面以一种经典的基准测试函数——Rastrigin函数为例来说明如何使用gwo算法求值: Rastrigin函数的表达式如下: f(x)= 10n + ∑[i=1,n] (xi^2 - 10cos(2πxi)) 其中,n表示维度,xi表示变量i的取值。Rastringin函数不同维度之间相互独立,具有多极值、高度非线性等特点,比较适合用于测试各种优化算法的性能。 借助gwo算法,我们可以通过以下步骤得该函数的最小值: 1.初始化狼群的初始位置和速度; 2.根据适应度函数(即Rastringin函数)计算每个狼的适应度值; 3.计算每个狼的位置和速度,然后更新狼群的位置和速度; 4.根据新位置计算适应度值,并判断是否达到停止迭代的条件。 以上过程中,适应度函数是关键,它用于评估狼的位置是否合适。在案例中,采用Rastringin函数来衡量每个狼的位置是否合适,通过计算每个狼的函数值来评价其适应度。 通过多次迭代后,狼群的位置和速度会逐渐趋于极小值点,使得适应度函数的值不断逼近真实最小值。在实际解中,还可以添加一些优化技巧,如修改步长和学习率,来提高算法的效率。 综上,gwo算法可以应用于各种基准测试函数解过程,并在实际生产和科研中得到广泛应用。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值