变种水仙花数

变种水仙花数-Lily Number:把任意的数字,从中间拆分成两个数字,比如1461可以拆分成(1和461),(14和61),(146和1),如果所有拆分后的乘积之和等于自身,则是一个Lily Number。
例如:
655=6*55+65*5
1461=1*461+14*61+146*1

实现代码如下:

#include<math.h>
int main()
{
	int i = 0;
	for (i = 10000; i < 100000; i++)
	{
		int sum = 0;
		int j = 0;
		for (j = 1; j <= 4; j++)
		{
			int n = (int)pow(10, j);
			sum += (i / n) * (i % n);
		}
		if (sum == i)
		{
			printf("%d ", i);
		}
	}
	return 0;
}

  • 7
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我来尝试用变种的烟花算法来解决这个问题,并给出代码。 烟花算法是一种基于爆炸和火花扩散的启发式优化算法,它将解空间视为一个烟花集合,每个烟花表示一个解,通过爆炸和火花扩散的方式进行搜索,以期找到最优解。在烟花算法的基础上,我们对其进行了一些改进,使其更适用于求解多目标优化问题。 以下是代码实现: ```python import random import math class Firework: def __init__(self, dim, lb, ub): self.dim = dim # 烟花维度 self.lb = lb # 烟花坐标下界 self.ub = ub # 烟花坐标上界 self.pos = [random.uniform(lb, ub) for i in range(dim)] # 烟花位置 self.fit = [] # 烟花适应度列表 self.spark = [] # 火花列表 def __str__(self): return str(self.pos) def evaluate(self, objectives): self.fit = [objective(self.pos) for objective in objectives] # 计算烟花适应度 def explode(self, a=0.3, b=1.5): for i in range(self.dim): rand = random.random() if rand < a: self.spark.append(random.uniform(self.lb, self.ub)) elif rand >= a and rand < b: self.spark.append(self.pos[i]) else: self.spark.append((self.lb + self.ub) / 2) def update(self): best_fit = self.fit.index(min(self.fit)) self.pos = self.spark[best_fit] self.spark = [] # 清空火花列表 ``` 接下来是多目标烟花算法的实现: ```python class MOFirework: def __init__(self, dim, n, objectives, lb, ub): self.dim = dim # 烟花维度 self.n = n # 烟花数量 self.objectives = objectives # 目标函数列表 self.lb = lb # 烟花坐标下界 self.ub = ub # 烟花坐标上界 self.fireworks = [Firework(dim, lb, ub) for i in range(n)] # 烟花集合 def evaluate(self): for firework in self.fireworks: firework.evaluate(self.objectives) # 计算烟花适应度 def explode(self): for firework in self.fireworks: firework.explode() # 爆炸产生火花 def update(self): for firework in self.fireworks: firework.update() # 更新烟花位置 def run(self, max_iter): self.evaluate() # 计算初始适应度 for i in range(max_iter): self.explode() # 爆炸产生火花 self.evaluate() # 计算火花适应度 self.update() # 更新烟花位置 return [firework.pos for firework in self.fireworks] ``` 这样我们就实现了一个简单的多目标烟花算法,可以用它来求解多目标优化问题。

“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