HOMEWORK3

def judge(n):

    for i in range(2 , n ):

        if n % i == 0:

            return False

    return True


 

n = int(input("请输入一个数"))

add = 0

for i in range(2 , n):

    if judge(n):

        add += i

print(add)

给定一个10个元素的列表,请完成排序(注意,不要使用系统api)

arr = [1,6,8,2,0,66,12,98,32,50]

def bubble_sort(arr:list):

    for i in range(len(arr)-1):

        for j in range(len(arr)-1):

            if arr[j] > arr[j + 1]:

                arr[j] , arr[j + 1] = arr[j + 1] , arr[j]

                 

bubble_sort(arr)

print(arr)

1. 给定一个非负整数数组A,将该数组中的所有偶数都放在奇数元素之前

def sort(arr:list):

    for i in range(len(arr)):

        if arr[i] %2 != 0:

           for j in range(i , len(arr) - 1):

               if arr[j] %2 == 0:

                   arr[i] ,arr[j] = arr[j] , arr[i]

                   

arr = [1,2,3,4,5,6,7,8,9]

sort(arr)

print(arr)

写一个方法,计算列表所有偶数下标元素的和(注意返回值) 

def get_count(arr:list):

    count = 0

    for i in range(0 , len(arr)):

        if arr[i] %2 == 0:

            count += i

    return count


 

arr = [1,5,6,3,5,4,2,1,7]

res = get_count(arr)

print(res)

  • 4
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
优化算法作业主要是指在给定的问题背景下,通过设计和实现合适的算法来提高求解问题的效率和准确性。在解决优化问题时,可以通过以下几个步骤来完成作业。 首先,需要明确问题的目标是什么。例如,是要寻找最小值或最大值,或者是要满足一定的约束条件。了解问题的目标有助于我们选择合适的算法。 其次,根据问题的特点选择合适的优化算法。常见的优化算法包括贪心算法、动态规划、遗传算法、模拟退火算法等。不同的问题可能适合不同的算法,例如贪心算法适用于某些问题的局部优化,而动态规划适用于某些问题的全局优化。 然后,需要对选定的算法进行进一步的分析和改进。对算法进行分析可以评估算法的时间复杂度和空间复杂度,了解算法的优势和劣势。如果已有的算法不够优化,可以针对问题特点进行改进,例如引入剪枝策略、优化循环结构等。 最后,根据优化算法的设计和改进,实现相应的代码,并进行实验验证。通过实验可以验证算法的正确性和效率,并对实验结果进行分析和总结。如果有必要,可以对算法进行调优,进一步提高算法的性能。 总之,优化算法作业需要我们根据问题的特点选择合适的算法,并进行进一步的分析和改进,最终通过实验验证算法的效果。通过对问题的细致思考和创新性设计,可以提高优化算法的效率和准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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