新手求助!!!!!!!!!!!!!!

baidu_33850850 2016-01-25 11:30:53
有N个学生,每个学生的数据包括学号、姓名、3门课的成绩,从键盘输入N个学生的数据,要求打印出3门课的总平均成绩,以及最高分的学生的数据(包括学号、姓名、3门课成绩)
#include<stdio.h>
struct students
{
char num[10];
char name[10];
int s1;
int s2;
int s3;
}stu[100];

int main()
{
int N,i,s1=0,s2=0,s3=0,ave1,ave2,ave3;
scanf("%d",&N);
for(i=0;i<N;i++)
{
scanf("%s%s%d%d%d",stu[i].num,stu[i].name,&stu[i].s1,&stu[i].s2,&stu[i].s3);
}
for(i=0;i<N;i++)
{
s1=s1+stu[i].s1;
s2=s2+stu[i].s2;
s3=s3+stu[i].s3;
}
ave1=s1/N;
ave2=s2/N;
ave3=s3/N;
printf("%d %d %d\n",ave1,ave2,ave3);
//下面有问题
double averge[100],max;
int t;
for(i=0;i<N;i++)
{
averge[i]=(stu[i].s1+stu[i].s2+stu[i].s3)/3;
}
max=averge[0];
for(i=0;i<N;i++)
{
if(averge[i]>max) {max=averge[i];t=i;}
}
printf("%s %s %d %d %d",stu[t].name,stu[t].num,stu[t].s1,stu[t].s2,stu[t].s3);
return 0;
}
...全文
202 7 打赏 收藏 转发到动态 举报
写回复
用AI写文章
7 条回复
切换为时间正序
请发表友善的回复…
发表回复
帕奇笔记 2016-01-26
  • 打赏
  • 举报
回复
楼上说的对,就是这种情况。
lilianjie001 2016-01-26
  • 打赏
  • 举报
回复
引用 5 楼 baidu_33850850 的回复:
[quote=引用 4 楼 u012502355 的回复:] 这么晚了,不睡觉。还在写程序。 注意给t 赋值0(初始值) //下面有问题 double averge[100],max; int t = 0;
感谢~~可是为什么要给t 赋值呢?[/quote] if(averge[i]>max) { max=averge[i]; t=i; } if条件不成立,t没有默认值,stu[t]不知道你要哪个数据,打印不就出错了
baidu_33850850 2016-01-25
  • 打赏
  • 举报
回复
引用 4 楼 u012502355 的回复:
这么晚了,不睡觉。还在写程序。 注意给t 赋值0(初始值) //下面有问题 double averge[100],max; int t = 0;
感谢~~可是为什么要给t 赋值呢?
帕奇笔记 2016-01-25
  • 打赏
  • 举报
回复
这么晚了,不睡觉。还在写程序。 注意给t 赋值0(初始值) //下面有问题 double averge[100],max; int t = 0;
lilianjie001 2016-01-25
  • 打赏
  • 举报
回复
具体什么问题? 不过averge[i]=(stu[i].s1+stu[i].s2+stu[i].s3)/3;这里应该/3.0
baidu_33850850 2016-01-25
  • 打赏
  • 举报
回复
baidu_33850850 2016-01-25
  • 打赏
  • 举报
回复
内容概要:本文介绍了如何利用 GitHub Copilot 辅助进行程序调试与 Bug 分析,强调 Copilot 不仅可用于代码生成,更是强大的代码分析与调试工具。文章详细阐述了 Copilot 在调试复杂问题、老旧项目维护和难以复现 Bug 场景下的优势,提出了“先分析、再修改”的四步流程:分析原因→评估风险→提出方案→修改代码,并推荐结合错误日志、用户操作等信息精准提问,提升 AI 回答质量。同时展示了如何通过 Copilot 增强调试能力,如自动加日志、异常保护、生成测试数据和性能分析。最后通过游戏拾取系统的实际案例,说明如何结构化描述问题以获得有效反馈。; 适合人群:具备一定开发经验,正在参与项目调试或维护工作的程序员,尤其是面对复杂逻辑、历史代码或难复现 Bug 的 1-3 年开发者;也适合希望提升 AI 协作能力的技术人员。; 使用场景及目标:①快速定位偶发性崩溃、数据异常等问题根源;②理解无文档或结构混乱的老代码模块;③优化调试流程,借助 AI 生成诊断建议、修复方案与测试用例;④构建更具健壮性的程序,提前发现潜在缺陷。; 阅读建议:学习者应结合自身项目中的真实问题,按照文中提供的结构化提问模板实践,逐步训练与 Copilot 的协作能力,重视问题描述的完整性与准确性,避免直接要求修改代码,优先通过分析提升对系统的理解。
内容概要:本文针对高精度电流控制下的永磁同步电机(PMSM)参数辨识难题,提出一种基于粒子群优化算法(PSO)的多参数辨识模型,并在Simulink环境中完成系统级仿真实现。研究旨在克服传统控制中因电机参数(如定子电阻、交直轴电感、永磁磁链等)随温度、负载变化而失配所导致的电流控制性能下降问题。通过构建以电流跟踪误差为核心的适应度函数,利用PSO算法全局寻优能力强的特点,实现对关键电机参数的在线或离线精确辨识。文中详述了PSO算法的实现机制、参数初始化策略、收敛判据设计以及与PMSM矢量控制系统的集成方法,验证了该方案在不同运行工况下的辨识精度、收敛速度与鲁棒性,显著提升了电流环的动态响应品质与稳态控制精度。; 适合人群:具备电机驱动控制、现代控制理论及优化算法基础,熟悉MATLAB/Simulink仿真平台,从事高性能PMSM控制系统研发的研究生、高校科研人员及自动化、电力电子领域的工程师;特别适合正在开展参数自适应、智能控制算法应用等相关课题的研究者。; 使用场景及目标:①应用于高端制造装备、电动汽车驱动系统、精密伺服系统等对电流控制精度要求严苛的场合;②解决实际工程中因电机温升、老化等因素引发的参数漂移问题,提升系统长期运行稳定性;③作为智能优化算法与电机控制深度融合的教学案例,帮助理解PSO在复杂非线性系统参数辨识中的应用逻辑与实现路径。; 阅读建议:建议读者结合提供的Simulink仿真模型进行复现实验,重点剖析PSO算法模块与电机控制模型的接口设计、适应度函数的构建原则及参数敏感性分析方法,可进一步尝试引入其他先进优化算法(如GWO、HHO)进行性能对比,以深入掌握不同智能算法在工程辨识问题中的适用性与优劣。

33,316

社区成员

发帖
与我相关
我的任务
社区描述
C/C++ 新手乐园
社区管理员
  • 新手乐园社区
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧