生成随机函数f3,利用f3生成f18（python）字节面试题

已于 2024-07-07 14:29:59 修改
阅读量262 收藏
点赞数 3
文章标签： python
于 2024-06-27 11:26:14 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45440484/article/details/140008900
版权

一、题目

给定一个完全随机函数f3。能够完全随机产生1~3之间任意一个自然数。现在要构造一个f18，让其能随机产生1~18之间任意一个自然数，要求写出f18的函数，另外要测试是否符合预期，f18要用f3

二、代码

欢迎大家给我更优解，目前写的代码貌似生成的都不够均匀

2.1 三进制

2.2 索引➕偏移

Rebecca.Yan
关注
CEC2017基础函数说明Python版本
`or 1 or 不正经の泡泡
07-18 4438
撑得慌，拿来练练手。部分函数没有实现，因为比较麻烦。我这边玩的话，也是直接拿这个玩，因为实际上他们玩的时候因该是加了偏置转换的，像cec2003好像都是没有偏置的。反正都能够说明问题，管你那么多。...
【Python】自动化神器PyAutoGUI —告别手动操作，一键模拟鼠标键盘，玩转微信及各种软件自动化
墩墩分墩
07-24 1531
PyAutoGUI 是一个 Python 库，主要用于 GUI（图形用户界面）自动化。它允许你通过编程方式控制鼠标和键盘，模拟人类操作，如移动鼠标、点击鼠标按钮、滚动鼠标滚轮、键入键盘按键等。这使得 PyAutoGUI 成为自动化重复性 GUI 任务的强大工具，比如自动化测试、批量处理文件、游戏脚本编写等场景。
等概率随机函数的实现
编程资料大全
04-22 185
题目：已知随机函数rand(),以p的概率产生0，以1-p的概率产生1，现在要求设计一个新的随机函数newRand(), 使其以1/n的等概率产生1~n之间的任意一个数。解决思路：可以通过已知随机函数rand()产生等概率产生0和1的新随机函数Rand()，然后调用k（k为整数n的二进制表示的位数）次Rand()函数，得到一个长度为k的0和1序列，以此序列所形成的整数即为1--n之间的数字。注意：...
python面试题搜集
热门推荐
花开如雨的博客
10-21 26万+
1. Python面试题搜集（一） 2019 Python最新面试题及答案16道题吐血总结！50道Python面试题集锦（附答案） Python是目前编程领域最受欢迎的语言。在本文中，我将总结Python面试中最常见的50个问题。每道题都提供参考答案，希望能够帮助你在2019年求职面试中脱颖而出，找到一份高薪工作。这些面试题涉及Python基础知识、Python编程、数据分析以及Python函数库等多个方面。 Q1、Python中的列表和元组有什么区别？ Q2、Python的主要功能是什么？ Python
这也敢爬，你离牢饭不远了，爬虫逆向实战案例
m0_67402125的博客
03-02 4729
重要的事情放在最前面，请您一定看仔细： 本文以学习和交流爬虫技术，尤其是JS逆向技术为目的。大家重点学习其中的思路和过程，请不要模仿爬取文中举例的网站，如果要爬取，请爬取不要超过3页，否则后果自负。 Crawl It! 爬虫技术万年第一步——分析网页结构和数据加载方式： 结果一打开网页是这样的，看来网站维护人员也过节去了。那就假期回来再继续写吧。。 本文暂停于 2021.2.11 上午 10:25 春节假期一眨眼就过完了，我又回来“搞事情”了！ 打开url，显示数据页面。 通过Chrome
这也敢爬，你离牢饭不远了，爬虫逆向实战案例_专利网爬虫逆向
2401_83621784的博客
04-21 862
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。还有兄弟不知道网络安全面试可以提前刷题吗？费时一周整理的160+网络安全面试题，金九银十，做网络安全面试里的显眼包！王岚嵚工程师面试题（附答案），只能帮兄弟们到这儿了！如果你能答对70%，找一个安全工作，问题不大。key = ‘jo8j9wGw%6HbxfFn’.encode(‘utf-8’) //密钥。
【第四周学习总结】(内容超多,总结的太乱,印象笔记复制过来图没了,学不动了呜呜呜,裂开)
weixin_59801729的博客
08-21 110
学习总结,哎
使用python连接ssh服务器_python ssh连接服务器，2024年最新Python面试题内存优化
imtokenmax众筹
04-19 306
【代码】使用python连接ssh服务器_python ssh连接服务器，2024年最新Python面试题内存优化。
一种基于Voronoi图的曲边化随机颗粒模型生成方法
weixin_45486099的博客
10-07 1855
一种基于Voronoi图的曲边化随机颗粒模型生成方法 简介 在数值模拟中，除了对物体的整体模拟，还要对物体的细观层面进行模拟，以探讨裂纹的生产、扩展；或者细观层面的变化情况。特别是对于某些颗粒增强型复合材料。 楼主查询到目前有关颗粒增强型复合材料的细观模型主要有两类： 第一类是基于蒙特卡洛法随机生成圆形颗粒模型。这种方法生成的细观模型圆形颗粒的粒径可控，颗粒的大小也可控。但是由于生成的颗粒粒径太过规范，与实际不相符。对于某些大颗粒的材料往往外形表面不是如此规整的圆。 第二类方法基于Vor...
提升开发效率：Sublime Text Python环境配置与代码生成工具集成
[提升开发效率：Sublime Text Python环境配置与代码生成工具集成](https://opengraph.githubassets.com/e19e4bed870c8c717c48322f18c13e5d2929ebcd6bc602c200b0b7cfd5856155/hmajid2301/python-cli-template) ...
【人工智能学习之PaddleOCR快速上手】
Jiagym的博客
10-12 1168
在配置文件中，可以设置组建模型、优化器、损失函数、模型前后处理的参数，PaddleOCR从配置文件中读取到这些参数，进而组建出完整的训练流程，完成模型训练，在需要对模型进行优化的时，可以通过修改配置文件中的参数完成配置，使用简单且方便修改。而 L2 正则化中，添加正则化项的目的在于减少参数平方的总和。准确检测的标准是检测框与标注框的IOU大于某个阈值，正确识别的检测框中的文本与标注的文本相同。如果缺少带标注的数据，或者不想投入研发成本，建议直接调用开放的API，开放的API覆盖了目前比较常见的一些垂类。
Backend - Java 基础
是萝卜干呀的博客
10-11 832
知识量决定了未来能走多远
【python入门到精通专题】8.装饰器
最新发布
情不知所起一往而深
10-13 763
什么是property属性？一种用起来像是使用的实例属性一样的特殊属性，可以对应于某个方法。class Foo:pass# 定义property属性@propertypassfoo_obj.func() # 调用实例方法foo_obj.prop # 调用property属性@propertyreturn 100定义时，在实例方法的基础上添加 @property 装饰器；并且仅有一个self参数调用时，无需括号。
python安装第三方库的问题与解决方法
WANGWUSAN66的博客
10-10 800
大部分第三方库都是在国外网站，如果直接使用pip install 包名，下载速度会很慢，这对一些大型包是很致命的，如果下载中断则需要重头再来。安装某些包时，进行到一半出现构建wheel错误，这可能由于某些神秘的原因造成的，非常让人恼火。有些包（如rasterstats）既不能通过pip安装，在2中的网站也找不到，该怎么办？在python第三方库综合网站上搜索这个包，手动下载whl文件，下载完成后使用。解决方案：使用国内镜像（如清华镜像下载），速度很容易达到1M以上；
如何使用Python爬虫处理JavaScript动态加载的内容？
Z_suger7的博客
10-11 724
JavaScript动态加载的内容为爬虫带来了挑战，但也提供了新的机遇。通过使用Selenium、分析API请求或Pyppeteer，我们可以有效地爬取这些动态内容。这些方法各有优势，Selenium适合模拟复杂的用户交互，API请求适合直接获取数据，而Pyppeteer则提供了更强大的JavaScript控制能力。在实际应用中，开发者应根据目标网站的特点和需求选择合适的方法。随着技术的不断发展，我们也需要不断学习和适应新的工具和方法，以保持在数据获取领域的竞争力。复制再试一次分享。
Python知识点：基于Python技术，如何使用AirSim进行无人机模拟
码农超哥的博客
10-13 475
AirSim是由微软开发的一个开源模拟器，它支持多种无人机模型，并且可以模拟真实的物理环境和传感器数据。AirSim提供了Python API，使得用户可以通过Python脚本控制无人机的行为，包括起飞、降落、移动和执行任务等。AirSim提供了一个强大的平台，允许用户在虚拟环境中测试和开发无人机应用。通过Python API，用户可以轻松地控制无人机的行为，并获取传感器数据，这对于算法开发和测试尤为重要。随着无人机技术的不断进步，AirSim将继续在无人机领域发挥重要作用。
RWKV-CHN模型部署教程
SJJS_1的博客
10-10 1214
RWKV-x060-World-7B-v2.1-20240507-ctx4096 一号空间，RWKV 语言模型旨在通过为自动化所有事情来消除使用大型语言模型的障碍。用户所需要的就是一个只有几兆字节的轻量级可执行程序。本文将详细介绍如何实现该模型的本地部署。
JavaSE——认识异常
wx2023_10_15的博客
10-12 955
本文主要是正在学习异常的总结，主要讲了异常的概念、体系结构、分类、处理以及捕获，还有自定义异常类
从零开始搭建自动化测试工具：详细指南(四)-完结
zhangkexin_z的博客
10-11 393
在项目根目录下，创建conftest.py文件，使用pytest的钩子函数来实现。每执行一次用例，钩子函数会获取执行结果，根据执行结果来封装自己的测试报告。# 执行默认的钩子返回的report中，包含了测试结果信息，根据report的数据，来封装自己的测试报告。在中，可以使用pytest的标记功能来标记特定的功能（Feature）、场景（Scenario）或者步骤（Step）。例如，在.feature@slow这里使用了@slow标记来标记一个功能。passpass可以在运行pytest时，使用。
cec2014测试函数的python版本
04-28
以下是CEC2014测试函数的Python版本实现，包括F1至F30共30个函数： ```python import numpy as np from scipy.special import gamma def F1(x): return np.sum(x ** 2) def F2(x): return np.sum(np.abs(x)) + np.prod(np.abs(x)) def F3(x): dim = len(x) return np.sum([np.sum(x[:i]) ** 2 for i in range(dim)]) def F4(x): return np.max(np.abs(x)) def F5(x): dim = len(x) return np.sum([100 * (x[i + 1] - x[i] ** 2) ** 2 + (x[i] - 1) ** 2 for i in range(dim - 1)]) def F6(x): return np.sum(x ** 2 - 10 * np.cos(2 * np.pi * x) + 10) def F7(x): dim = len(x) return np.sum(i * x[i] ** 4 for i in range(dim)) + np.random.rand() def F8(x): dim = len(x) return np.sum(-x * np.sin(np.sqrt(np.abs(x)))) + 418.9829 * dim def F9(x): dim = len(x) return 1 / 0.2 * np.exp(-0.2 * np.sqrt(1 / dim * np.sum(x ** 2))) - np.exp(1 / dim * np.sum(np.cos(2 * np.pi * x))) + np.exp(1) def F10(x): dim = len(x) return 1 / 4000 * np.sum(x ** 2) - np.prod(np.cos(x / np.sqrt(np.arange(1, dim + 1)))) + 1 def F11(x): dim = len(x) return np.sum(x ** 2) / dim - np.prod(np.cos(x / np.sqrt(np.arange(1, dim + 1)))) + 1 def F12(x): dim = len(x) return -20 * np.exp(-0.2 * np.sqrt(1 / dim * np.sum(x ** 2))) - np.exp(1 / dim * np.sum(np.cos(2 * np.pi * x))) + 20 + np.exp(1) def F13(x): dim = len(x) return 0.1 * (np.sin(3 * np.pi * x[0])) ** 2 + np.sum((x[:-1] - 1) ** 2 * (1 + 10 * (np.sin(np.pi * x[:-1] + 1)) ** 2)) + (x[-1] - 1) ** 2 * (1 + (np.sin(2 * np.pi * x[-1])) ** 2) def F14(x): dim = len(x) return 2 / dim * np.sum(np.abs(x ** 7 - 2 * x ** 5 + x ** 3)) + np.prod(np.cos(x)) def F15(x): dim = len(x) return np.sum(x ** 2 - 10 * np.cos(2 * np.pi * x) + 10 * np.exp(1) for i in range(dim)) def F16(x): dim = len(x) return 4 * (x[0] ** 2) - 2.1 * (x[0] ** 4) + (x[0] ** 6) / 3 + np.sum(x[1:] ** 2 - 10 * np.cos(2 * np.pi * x[1:]) + 10 for i in range(dim)) def F17(x): dim = len(x) return np.sum((x ** 2 - 10 * np.cos(2 * np.pi * x)) / (1 + 0.1 * np.power(np.power(x, 2), 2)) + 10 / np.power(1 + 0.1 * np.power(np.power(x, 2), 2), 2) for i in range(dim)) def F18(x): dim = len(x) return np.max(np.abs(x)) + np.sum(np.sin(x ** 2)) def F19(x): dim = len(x) return np.sum((x + 0.5) ** 2 - 10 * np.cos(2 * np.pi * (x + 0.5)) for i in range(dim)) def F20(x): dim = len(x) return -np.exp(-0.5 * np.sum((x - 1 / np.sqrt(dim)) ** 2)) + 2 * np.exp(-0.5 * np.sum(x ** 2)) + np.exp(0.5 * np.sum(np.cos(2 * np.pi * x))) - np.exp(0.5 * np.sum(np.cos(2 * np.pi * (x - 1 / np.sqrt(dim))))) def F21(x): dim = len(x) return np.sum(np.abs(x)) + np.prod(np.abs(x)) + np.sum(x ** 2) def F22(x): dim = len(x) return 0.1 * (np.sin(3 * np.pi * x[0])) ** 2 + np.sum((x[:-1] - 1) ** 2 * (1 + (np.sin(3 * np.pi * x[1:])) ** 2) + (x[-1] - 1) ** 2 * (1 + (np.sin(2 * np.pi * x[-1])) ** 2)) def F23(x): dim = len(x) return np.sum(np.power(np.abs(x), np.arange(1, dim + 1))) + np.random.rand() def F24(x): dim = len(x) return np.sum(np.abs(x) ** (np.arange(1, dim + 1)) + np.sin(np.abs(x) ** (np.arange(1, dim + 1)))) def F25(x): dim = len(x) return np.sum(np.abs(x ** 2 - 10 * np.cos(2 * np.pi * x)) ** 0.25 + 10 * np.exp(1) / dim * (1 - np.sin(np.pi * x[:-1])) ** 2) def F26(x): dim = len(x) return -np.sum(np.sin(x) * np.sin((np.arange(1, dim + 1)) * x ** 2 / np.pi) ** (2 * 10)) def F27(x): dim = len(x) return np.sum(np.power(np.sum(np.sin(x + np.power(np.arange(1, dim + 1), 2) ** 0.5 * x ** 2 / np.pi), 2), 0.25) + np.random.rand()) def F28(x): dim = len(x) return np.sum(-x * np.sin(np.sqrt(np.abs(x))) - (1 + 0.001 * np.sum(x ** 2)) ** 2) def F29(x): dim = len(x) return np.sum(0.5 + (np.sin(np.sqrt(x ** 2 + (np.roll(x, -1) ** 2)))) ** 2 - 0.5 / (1 + 0.001 * (x ** 2 + (np.roll(x, -1) ** 2))) ** 2) def F30(x): dim = len(x) return 1 / 4000 * np.sum(x ** 2) - np.prod(np.cos(x / np.sqrt(np.arange(1, dim + 1)))) + np.random.rand() ``` 注意：在函数F7、F8、F9、F13、F17、F18、F22、F23、F24、F26、F27和F29中，都含有随机项，每次计算结果可能会有所不同。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

Rebecca.Yan

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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