打印出四组数组的组合并统计出个数

mrzhang2018 2018-02-01 09:31:25
有四组数组分别在个十百千位上,每次取他们中的一位数字组成4位数,要求这4位数字每次都不能相同,并统计出这些数字的个数,比如:

个 ,十,百,千
23,187,3567,378

打印出:
2133,2833,2137,2138,2153,2157,2158,2863,2867,2868,2838……

合计:总共有x个数字


请高手赐教,最好贴出代码,谢谢1!
...全文
377 3 打赏 收藏 转发到动态 举报
写回复
用AI写文章
3 条回复
切换为时间正序
请发表友善的回复…
发表回复
shoppo0505 2018-02-01
  • 打赏
  • 举报
回复
用循环就行了啊。 总个数的话,就是概率论,直接每位的个数相乘就可以。
youyouke 2018-02-01
  • 打赏
  • 举报
回复
public class PrintMyNum { //个 ,十,百,千 //23,187,3567,378 public static void main(String[] args) { String ge="23"; String shi="187"; String bai="3567"; String qian="378"; StringBuilder sb=new StringBuilder(); for(int i=0;i<ge.length();i++){ for(int j=0;j<shi.length();j++){ for(int k=0;k<bai.length();k++){ for(int l=0;l<qian.length();l++){ char[] c={qian.charAt(l),bai.charAt(k),shi.charAt(j),ge.charAt(i)}; String str=new String(c); if(sb.indexOf(str)==-1){ sb.append(str); } else{ break; } } } } } System.out.println("共有"+sb.length()+"个数"); } }
  • 打赏
  • 举报
回复
public static void main(String[] args) { int [] a,b,c,d; int count = 0; a=new int[]{2,3}; b=new int[]{1,8,7}; c=new int[]{3,5,6,7}; d=new int[]{3,7,8}; for(int i=0; i < a.length; i++){ for(int j=0; j < b.length; j++){ for(int m=0; m < c.length; m++){ for(int n=0; n < d.length; n++){ System.out.println(a[i]*1000 + b[j] * 100 + c[m] *10 + d[n]); count++; } } } } System.out.println("count=" + count); } 基本的应用吧,希望能帮到你。。。。。这个问题不应该在这问了吧?
内容概要:本研究聚焦于将视觉同步定位与建图(Visual-SLAM)技术与粒子群优化(PSO)算法相结合,实现无人机在复杂环境下的高效路径规划。通过Matlab代码实现,构建了一套完整的仿真系统,首先利用Visual-SLAM算法对无人机飞行环境进行实时感知与地图构建,获取精确的环境特征点与自身位姿信息;随后,将SLAM提供的环境信息转化为路径规划的约束条件,引入粒子群优化算法搜索从起点到终点的最优飞行路径,在保证避障的前提下,优化路径长度、平滑度与能耗等目标。该方法有效融合了环境感知与智能优化,提升了无人机在未知或动态环境中的自主导航能力。; 适合人群:具备一定Matlab编程基础、对无人机控制、SLAM算法或智能优化算法感兴趣的高校研究生、科研人员及自动化、机器人相关领域的工程技术人员。; 使用场景及目标:① 学习和复现基于Visual-SLAM的无人机环境感知与建图流程;② 掌握粒子群优化算法在路径规划中的具体应用与实现方法;③ 研究多算法融合的智能路径规划解决方案,为后续的无人机自主飞行项目提供技术参考和代码基础。; 阅读建议:建议读者结合Matlab代码逐行分析,重点关注SLAM模块输数据与PSO算法输入接口的衔接逻辑,可通过修改环境参数和算法参数来观察路径规划结果的变化,从而深入理解算法的核心机制与优化过程。
游戏与心理健康行为数据集是一个大规模合成数据集,包含100万条观察值,涵盖个体的游戏行为、生活方式习惯、心理状况、社会环境和身体健康指标。数据集包含六个主要领域中的变量。 3.1 人口特征 age—— 参与者年龄 gender—— 性别类别 income——月收入估算 3.2 游戏行为特征 daily_gaming_hours—— 平均每日游戏时间 weekly_sessions——每周游戏次数 years_gaming—— 游戏经验总年数 weekend_gaming_hours—— 周末游戏时长 multiplayer_ratio—— 多人游戏的比例 violent_games_ratio—— 暴力比赛的比例 mobile_gaming_ratio—— 移动游戏的比例 night_gaming_ratio—— 夜间游戏的比例 competitive_rank—— 竞技技能排名 esports_interest—— 对电子竞技参与的兴趣 streaming_hours——每周游戏直播时长 microtransactios_spending—— 每月游戏内消费 headset_usage— 是否使用头显 3.3 心理健康特色 stress_level——感知压力评分 anxiety_score——焦虑评估得分 depression_score—— 抑郁评分 addiction_level——游戏成瘾指标 loneliness_score——孤独指数 aggression_score——攻击倾向评分 happiness_score—— 整体幸福感水平 3.4 社交环境特征 social_interaction_score——社会活动指数 relationship_satisfaction——关系质量评分 friends_gaming_count—— 游戏好友数量 online_friends—— 在线社交连接 toxic_exposure—— 接触有毒社区 parental_supervision——家长监测评分 3.5 生活方式特色 sleep_hours—— 平均睡眠时长 exercise_hours——每周锻炼小时数 caffeine_intake— 每日咖啡因摄入量 screen_time_total—— 每日总屏幕播放时间 internet_quality—— 互联网连接质量 3.6 身体健康指标 bmi——身体质量指数 eye_strain_score—— 眼疲劳严重程度 back_pain_score—— 背痛严重程度 3.7 生产力/绩效指标 academic_performance——学术成绩 work_productivity—— 职场生产力评分

62,626

社区成员

发帖
与我相关
我的任务
社区描述
Java 2 Standard Edition
社区管理员
  • Java SE
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