【POJ】1001 Exponentiation

Description

Problems involving the computation of exact values of very large magnitude and precision are common. For example, the computation of the national debt is a taxing experience for many computer systems. 

This problem requires that you write a program to compute the exact value of Rn where R is a real number ( 0.0 < R < 99.999 ) and n is an integer such that 0 < n <= 25.

Input

The input will consist of a set of pairs of values for R and n. The R value will occupy columns 1 through 6, and the n value will be in columns 8 and 9.

Output

The output will consist of one line for each line of input giving the exact value of R^n. Leading zeros should be suppressed in the output. Insignificant trailing zeros must not be printed. Don't print the decimal point if the result is an integer.

Sample Input

95.123 12
0.4321 20
5.1234 15
6.7592  9
98.999 10
1.0100 12

Sample Output

548815620517731830194541.899025343415715973535967221869852721
.00000005148554641076956121994511276767154838481760200726351203835429763013462401
43992025569.928573701266488041146654993318703707511666295476720493953024
29448126.764121021618164430206909037173276672
90429072743629540498.107596019456651774561044010001
1.126825030131969720661201


大数,求一个数R的n次幂。

具体思路是把小数点移除,记录小数点的位置,转化成整数大数进行循环乘积,

再把小数点插入回已经乘积完成的大数数组中。

记得注意小数点末尾0的消除以及大数的进位。


怒贴代码:

#include<stdio.h>
#include<iostream>
#include<string.h>
using namespace std;

const int size=1000;  //大数位数

void mult(char* A,char* B,char* ans)
{
	int i,j,k;

	int fract;   //总小数个数
	int dot=-1;  //小数点位置
	for(k=0;A[k]!='\0';k++)
		if(A[k]=='.')
			dot=k;
	int lena=k;
	if(dot==-1)
		fract=0;
	else
		fract=lena-dot-1;

	dot=-1;
	for(k=0;B[k]!='\0';k++)
		if(B[k]=='.')
			dot=k;
	int lenb=k;
	if(dot==-1)
		fract+=0;
	else
		fract+=(lenb-dot-1);  //总小数个数

	int a[size+1]={0};
	int b[size+1]={0};
	int pa=0,pb=0;

	/*倒序*/

	for(i=lena-1;i>=0;i--)
	{
		if(A[i]=='.')
			continue;
		a[pa++]=A[i]-'0';
	}
	for(j=lenb-1;j>=0;j--)
	{
		if(B[j]=='.')     //暂时删除小数点
			continue;
		b[pb++]=B[j]-'0';
	}

	int c[2*size+1]={0};
	int lenc;
	for(pb=0;pb<lenb;pb++)
	{
		int w=0;  //低位到高位的进位
		for(pa=0;pa<=lena;pa++)  // = 为了处理最后的进位
		{
			int temp=a[pa]*b[pb]+w;
			w=temp/10;
			temp=(c[pa+pb]+=temp%10);
			c[lenc=pa+pb]=temp%10;
			w+=temp/10;
		}
	}

	/*倒序,得到没有小数点的ans*/

	for(pa=0,pb=lenc;pb>=0;pb--)
		ans[pa++]=c[pb]+'0';
	ans[pa]='\0';
	lena=pa;

	 /*插入小数点*/

	bool flag=true; //标记是否需要删除小数末尾的0
	if(fract==0)   //小数位数为0,无需插入小数点
		flag=false;
	else if(fract<lena) //小数位数小于ans长度,在ans内部插入小数点
	{
		ans[lena+1]='\0';
		for(i=0,pa=lena;pa>0;pa--,i++)
		{
			if(i==fract)
			{
				ans[pa]='.';
				break;
			}
			else
				ans[pa]=ans[pa-1];
		}

	}
	else //小数位数大于等于ans长度,在ans前面恰当位置插入小数点
	{
		char temp[size+1];
		strcpy(temp,ans);
		ans[0]='0';
		ans[1]='.';
		for(int i=0;i<fract-lena;i++)  //补充0
			ans[i+2]='0';
		for(j=i,pa=0;pa<lena;pa++)
			ans[j++]=temp[pa];
		ans[j]='\0';
	}

	/*删除ans小数末尾的0*/

	if(flag)
	{
		lena=strlen(ans);
		pa=lena-1;
		while(ans[pa]=='0')
			ans[pa--]='\0';
		if(ans[pa]=='.')   //小数全为0
			ans[pa--]='\0';
	}

	/*删除ans整数开头的0,但至少保留1个0*/

	pa=0;
	while(ans[pa]=='0')  //寻找ans开头第一个不为0的位置
		pa++;

	if(ans[pa]=='\0')  //没有小数
	{
		ans[0]='0';
		ans[1]='\0';
	}
	else  //有小数
	{
		for(i=0;ans[pa]!='\0';i++,pa++)
			ans[i]=ans[pa];
		ans[i]='\0';
	}
	return;
}

char a[size+1];
char ans[size*size+1];

int main(void)
{
	int b;
	while(cin>>a>>b)
	{
		memset(ans,'\0',sizeof(ans));
		ans[0]='1';
		ans[3]='\0';

		for(int i=1;i<=b;i++)
			mult(a,ans,ans);

		cout<<ans<<endl;
	}
	return 0;
}


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码下载:完整代码,可直接运行 ;运行版本:2022a或2019b或2014a;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合
代码下载:完整代码,可直接运行 ;运行版本:2022a或2019b或2014a;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合

“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