E - 整数解


 
 
有二个整数,它们加起来等于某个整数,乘起来又等于另一个整数,它们到底是真还是假,也就是这种整数到底存不存在,实在有点吃不准,你能快速回答吗?看来只能通过编程。 例如: x + y = 9,x * y = 15 ? 找不到这样的整数x和y 1+4=5,1*4=4,所以,加起来等于5,乘起来等于4的二个整数为1和4 7+(-8)=-1,7*(-8)=-56,所以,加起来等于-1,乘起来等于-56的二个整数为7和-8
Input
输入数据为成对出现的整数n,m(-10000<n,m<10000),它们分别表示整数的和与积,如果两者都为0,则输入结束。
Output
只需要对于每个n和m,输出“Yes”或者“No”,明确有还是没有这种整数就行了。
Sample Input
9 15
5 4
1 -56
0 0
Sample Output
No
Yes
Yes


其实这道题的关键
就是解方程而已
/* 
x = 9 - y
(9 - y)*y = 15;
-y2+9y-15=0
判断jia*jia-4*cheng
*/
首先根据b2-4ac这个公式来看一下有没有根
有根之后我们求一下看看是不是整数解
对于不是整数的解,我就强制转换成int后
再和原来的数字进行一次比较
如果是相同的话就是说明这是整数解
如果不是的话那么就是非整数解啦!


#include<iostream>#include<cmath>using namespace std;int main(){int x = 0;int y = 0;while (cin >> x >> y){if (x == 0 && y == 0)break;int j = x*x - 4 * y;if (j < 0)cout << "No" << endl;else{double i = (-x + sqrt(j) )/ (-2.0);double k = (-x - sqrt(j)) / (-2.0);if ((int)i==i && (int)k==k){cout << "Yes" << endl;}else{cout << "No" << endl;}}}}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
非常抱歉给你带来了困惑。我检查了之前的代码,发现在添加新的松弛约束时,没有考虑到限制条件 `b` 的范围。为了确保满足这些限制,我们需要在添加新约束之前将其修正。 以下是修正后的代码: ```python import pulp as lp import numpy as np def integer_cutting_plane(c, A, b, bounds): relaxed_A = A relaxed_b = b while True: lp_model = lp.LpProblem("Integer Cutting Plane", lp.LpMinimize) # 定义决策变量 x = [lp.LpVariable(f"x{i}", lowBound=bound[0], upBound=bound[1], cat='Integer') for i, bound in enumerate(bounds)] # 定义目标函数 lp_model += sum(c[i] * x[i] for i in range(len(c))) # 添加松弛约束 for i in range(len(relaxed_A)): constraint = lp.LpConstraint( e=lp.LpAffineExpression([(x[j], relaxed_A[i][j]) for j in range(len(x))]), sense=lp.LpConstraintLE, rhs=relaxed_b[i] ) lp_model.addConstraint(constraint) lp_model.solve() if lp_model.status == lp.LpStatusOptimal: return np.array([int(x[i].varValue) for i in range(len(x))]) new_constraint = [np.floor(relaxed_A[i] @ [x[j].varValue for j in range(len(x))]) <= relaxed_b[i] for i in range(len(relaxed_A))] relaxed_A = np.vstack((relaxed_A, new_constraint)) relaxed_b = np.append(relaxed_b, np.inf) def get_bounds(): return [(0, None), (0, None)] def get_c(): return np.array([40, 90]) def get_A(): return np.array([[-9, -7], [-7, -20]]) def get_b(): return np.array([-56, -70]) if __name__ == '__main__': bounds = get_bounds() relaxed_A = get_A() relaxed_b = get_b() integer_cutting_plane(get_c(), relaxed_A, relaxed_b, bounds) ``` 在修正后的代码中,我使用了 `lp.LpConstraint` 类来定义松弛约束,并确保在添加新约束之前,将其修正为向下取整的形式。这样,我们可以确保新约束满足限制条件 `b`。 非常抱歉之前的代码没有正确处理这个问题。希望这次的修正能够决你的问题。如果还有其他疑问,请随时提问。
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