HFUTOJ problem 1344实现总结

题目

求和
Time Limit: 1000 MS Memory Limit: 65536 KB
Total Submissions: 603 Accepted: 98

Description

对于正整数n,k,我们定义这样一个函数f,它满足如下规律
f(n,k=1)=-1+2-3+4-5+6…n
f(n,k=2)=-1-2+3+4-5-6…n
f(n,k=3)=-1-2-3+4+5+6…n
f(n,k=4)=-1-2-3-4+5+6+7+8…n
现在给出n和k,你的任务就是要计算f(n,k)的值。

Input

首先是一个整数T,表示有T组数据
接下来每组数据是n和k(1<=n,k<=100000000)

Output

打印出f(n,k)的值,每个输出单独占一行

Sample Input

3
1 1
2 1
3 1

Sample Output

-1
1
-2

Source

安徽省2015年“京胜杯”大学生程序设计竞赛

思路

这题实际上就是个给定总长和循环节长度的循环数组求和。数列总长为n,每个循环节长度为2k,一个循环节的值为k^2,只要算出循环节的数量,然后将最后一个可能为完成的循环节的值算出来即可

代码

#include <iostream>
#include <cmath>
using namespace std;
int main (void){
    int TestTimes = 0;
    cin >> TestTimes;
    while (TestTimes--){
        int n = 0, k = 0;
        cin >> n >> k;
        int LoopTimes = n / (k * 2);
        long long result = LoopTimes * pow(k, 2);
        for (int num = (LoopTimes * 2 * k) + 1; num <= n; num++){
            if (num - (LoopTimes*2*k) <= k)
                result -= num;
            else
                result += num;
        }
        cout << result << endl;
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
下面是一个简单的 MATLAB 贝叶斯 2-Class Problem实现代码: ```matlab % 假设有两个类别: A 和 B % x 是一个观察变量,可以是一个向量或矩阵 % muA 和 muB 是 A 和 B 类别的均值,分别是向量或矩阵 % sigma 是两个类别的协方差矩阵,假设相同 function [decision, posteriorA, posteriorB] = bayes2class(x, muA, muB, sigma) % 计算先验概率 priorA = 0.5; priorB = 0.5; % 计算类别 A 和 B 的后验概率 posteriorA = mvnpdf(x, muA, sigma) * priorA; posteriorB = mvnpdf(x, muB, sigma) * priorB; % 做出决策 if posteriorA > posteriorB decision = 'A'; else decision = 'B'; end end ``` 使用方法: ```matlab % 生成一些随机数据 n = 100; muA = [0 0]; muB = [3 3]; sigma = [1 0; 0 1]; xA = mvnrnd(muA, sigma, n); xB = mvnrnd(muB, sigma, n); % 预测一个新的观察值 xNew = [1 1]; [decision, posteriorA, posteriorB] = bayes2class(xNew, muA, muB, sigma); % 绘制决策边界和数据点 x = -5:0.1:8; y = -5:0.1:8; [X,Y] = meshgrid(x,y); Z = zeros(length(x),length(y)); for i = 1:length(x) for j = 1:length(y) xTest = [X(i,j) Y(i,j)]; [decision, posteriorA, posteriorB] = bayes2class(xTest, muA, muB, sigma); if decision == 'A' Z(i,j) = 1; else Z(i,j) = 0; end end end figure hold on scatter(xA(:,1),xA(:,2),'r') scatter(xB(:,1),xB(:,2),'b') contour(X,Y,Z,'LineWidth',1.5) plot(xNew(1),xNew(2),'kx','MarkerSize',10,'LineWidth',2) hold off axis equal ``` 该代码将生成一个决策边界和一些数据点,如下所示: 请注意,这只是一个简单的示例,如果你想要更复杂的实现,需要更多的代码和技能。
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