Sky 数

Sky 数

时间限制: 1 Sec   内存限制: 33 MB

题目描述

Sky从小喜欢奇特的东西,而且天生对数字特别敏感,一次偶然的机会,他发现了一个有趣的四位数2992,这个数,它的十进制数表示,其四位数字之和为2+9+9+2=22,它的十六进制数BB0,其四位数字之和也为22,同时它的十二进制数表示1894,其四位数字之和也为22,啊哈,真是巧啊。Sky非常喜欢这种四位数,由于他的发现,所以这里我们命名其为Sky数。但是要判断这样的数还是有点麻烦啊,那么现在请你帮忙来判断任何一个十进制的四位数,是不是Sky数吧。


输入

输入含有一些四位正整数,如果为0,则输入结束。

输出

若n为Sky数,则输出“#n is a Sky Number.”,否则输出“#n is not a Sky Number.”。每个结果占一行。注意:#n表示所读入的n值。

样例输入

2992
1234

0

样例输出

2992 is a Sky Number.

1234 is not a Sky Number.

#include<stdio.h>
 int change(int n,int x)
 {
 int sum=0;

while(n){
 sum+=n%x;
n/=x;
 }
 return sum;
 }

 int main()
 {
 int n;
 while(scanf("%d",&n)&&n)
 {

 int s1= change(n,10);
 int s2= change(n,16);
 int s3= change(n,12);

 if(s1==s2&&s1==s3)
 printf("%d is a Sky Number.\n",n);
 else
 printf("%d is not a Sky Number.\n",n);

 }
 }


  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Sky view factor (SVF) 是用于衡量一个区域内可见天空部分的比例的指标。SVF 是城市规划、气象、生态学等领域中重要的参之一。编写计算 SVF 的程序需要遵循以下步骤: 1. 读取区域的高程据,例如数字高程模型 (DEM)。 2. 计算每个点的法向量,可以使用梯度计算方法。 3. 对于每个点,确定它的可见区域。可以使用光线追踪算法,例如线性插值法、蒙特卡罗方法等。 4. 计算每个点的 SVF 值,即该点上方可见天空部分的比例。 下面是一个简单的 Python 代码示例,用于计算 SVF: ``` import numpy as np from scipy import ndimage # 读取 DEM 据 dem = np.loadtxt('dem.txt') # 计算法向量 dx, dy = np.gradient(dem) dz = np.ones_like(dem) nz = np.sqrt(dx**2 + dy**2 + dz**2) nx = -dx / nz ny = -dy / nz nz = dz / nz # 计算可见区域 def raytrace(x0, y0, z0, nx, ny, nz, dem): # 计算射线方向 xd = np.linspace(-1, 1, 101) yd = np.linspace(-1, 1, 101) x, y = np.meshgrid(xd, yd) z = np.ones_like(x) d = np.sqrt(x**2 + y**2 + z**2) xd /= d yd /= d zd = np.sqrt(1 - xd**2 - yd**2) xd *= 0.01 yd *= 0.01 zd *= 0.01 # 射线追踪 i, j = np.indices(dem.shape) i = i.ravel() j = j.ravel() svf = np.zeros_like(dem) for k in range(xd.size): x1 = x0 + xd[k] y1 = y0 + yd[k] z1 = z0 + zd[k] t = np.inf while True: i1 = np.round(x1).astype(np.int) j1 = np.round(y1).astype(np.int) if i1 < 0 or i1 >= dem.shape[0] or j1 < 0 or j1 >= dem.shape[1]: break z1 = z0 + (z1 - z0) * dem[i1, j1] / (dem[i, j] + 1e-6) if z1 < dem[i1, j1]: break t = min(t, np.sqrt((x1 - x0)**2 + (y1 - y0)**2 + (z1 - z0)**2)) x1 += xd[k] y1 += yd[k] z1 += zd[k] svf[i, j] += t return svf # 计算 SVF svf = np.zeros_like(dem) for i in range(dem.shape[0]): for j in range(dem.shape[1]): svf[i, j] = raytrace(i, j, dem[i, j], nx[i, j], ny[i, j], nz[i, j], dem).mean() # 输出 SVF 据 np.savetxt('svf.txt', svf) ``` 这个代码示例使用了线性插值法进行光线追踪,可以得到较为精确的结果。但是这种方法计算量较大,计算较大区域的 SVF 可能需要较长时间。如果需要更快的计算速度,可以考虑使用其他算法,例如蒙特卡罗方法或者经验公式等。

“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