emmm....热情慢慢减退了
最近忙的焦头烂额的,不禁开始怀疑起了道路,本来打算白天考研复习,晚上看蓝桥杯,后面发现晚上昏昏沉沉完全看不下去。罢了,那就周末看吧,但是周末又发现效率不高,而且很容易累。
我也知道要大把的砸时间,但是现在已经三月份了,好多人已经开始了考研准备,尽管我的复习较早,但是说一点不紧张是不可能的。再加上最近大创项目的结题,直接就是个崩溃状态......考研也要砸时间,蓝桥也要砸时间,项目结题也要消耗时间,平时还要上课......如果非要做出舍取得话,可能蓝桥的比重会下降。
我也想过蓝桥考完就是4月8号,那个时候的话其实到现在也没多少天,但是考研这辆列车必须得以大时间占比启动了,等到4月8号再大功率启动,等到进入状态就已经快5月份了,这是我所不能接受的。我也发现了,自己也没那么神,双线乃至三线作战并且全面取得胜利是很困难的。
以后的绝对重心可能会放在考研上,但是蓝桥杯也会努力去争取的,毕竟我也花了时间,花了金钱,也是一段很不错的经历。
感谢各位大佬的一路帮助,每个人最开始的目标都是奔着省一去的。
也算是给自己梳理了一下后面的路怎么去走吧,开始今天的打卡吧。
第一题 斐波那契数列与7
这一题的话,暴力也不是不能做,但是可以发现,尾数为7的个数每60一个循环。
放个暴力代码吧
package month_training;
public class 斐波那契数列与7 {
public static void main(String[] args) {
int[] ans = new int[5];
ans[1] = 1;
ans[2] = 1;
long count = 0;
for(long i=3;i<=400;i++) {
if(i%2==0) {
ans[1] = (ans[1]+ans[3])%100000;
if(ans[1]%10 == 7) {
count++;
}
}
if(i%2==1) {
ans[3] = (ans[1]+ans[3])%100000;
if(ans[1]%10 == 7) {
count++;
}
}
}
System.out.print(count);
}
}
第二题 小明做实验
这一题其实主要是个别数据的处理问题,梗佬代练讲过
package test5;
import java.io.BufferedReader;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStreamReader;
import java.util.LinkedList;
import java.util.List;
//读文件
//2000000 2e6个数
//io流 Java的一个知识点
public class 小蓝做实验 {
static int N = 100000010;
static final int n = (int) 1e8;
static boolean[] st = new boolean[N];
static List<Integer> list = new LinkedList<>();
public static void main(String[] args) throws IOException {
BufferedReader br = new BufferedReader(new InputStreamReader(new FileInputStream("C:\\Users\\86135\\Desktop\\lanqiaoyunke\\src\\test5\\primes.txt")));
init();
//用来统计答案
long ans = 0;
while (true) {
//读取一整行数据
String s = br.readLine();
//说明没有数据了
if (s == null) break;
//一定一定要开long 1e12 把字符串转换成long类型
long v = Long.parseLong(s);
// n就是一个条件
if (v > n) {
if (check(v)) ans++;
} else if (!st[(int) v]) ans++;
}
System.out.println(342693);
}
//预处理 埃式筛 1e8是可以接受的
//st[i]是true说明它不是质数 ,否则是质数
//O(n) 1e12 3e8
static void init() {
//看上去是两层循环 但它的复杂度不是n^2 nlogn
for (int i = 2; i <= n; i++) {
if (st[i]) continue;
list.add(i);
for (int j = i + i; j <= n; j += i) {
st[j] = true;
}
}
}
//判断单个数是否是质数 O(根号n) 1e6 根号1e12=1e6
//check函数其实运行不了几次,因为大的数特别少
static boolean check(long v) {
for (int i = 2; i <= v / i; i++) {
if (v % i == 0) return false;
}
return true;
}
}
第三题 质因数个数
这题不想写啦,晚上要去准备考研英语的网课了
简单的讲一下我的思路吧......
这题给了10秒,那其实应该可以暴力一点
我的想法是这样,因为最大数据到了1e16嘛
我先用诶筛打表打到1e8,
然后就是暴力的去遍历,从2开始遍历到根号n。应该只能过60%的样例......
后面的不想想了.....先去整理考研资料了。
相关推荐
技术转移机构如何基于数据提升项目撮合精准度?.docx
技术转移机构如何基于数据提升项目撮合精准度?
超扭滑模与快速终端滑模的永磁同步电机无感控制:理论、离散化实现与仿真研究(Simulink仿真实现)
内容概要:本文系统研究了超扭滑模控制(STSMC)与快速终端滑模控制(FTSMC)在永磁同步电机(PMSM)无感控制中的应用,重点涵盖其理论基础、离散化实现方法及Simulink仿真验证。文章深入阐述了两种高阶滑模控制策略的设计原理,利用磁链无感观测技术实现转子位置与速度的精确估计,从而省去物理传感器,有效提升了系统的可靠性与鲁棒性。同时,提供了完整的Simulink仿真模型构建方案,包括控制器设计、关键参数整定及动态响应性能分析,充分验证了所提出的方法在零速与低速工况下的卓越控制性能和有效性。; 适合人群:具备电机控制、现代控制理论基础知识及熟练掌握MATLAB/Simulink仿真技能的研究生、科研人员与工程技术人员。; 使用场景及目标:①深入理解高阶滑模控制在电机驱动系统中的设计思想与具体实现;②掌握基于滑模观测器的无感控制核心技术;③开展永磁同步电机高性能控制算法的理论研究、仿真验证与工程化探索。; 阅读建议:建议将文中详尽的理论推导与Simulink仿真模型相结合进行学习,重点关注滑模面的构建、抖振抑制策略的实施以及离散化处理的细节,有条件的研究者可进一步将算法移植到DSP等硬件平台进行实验验证,以深化对理论的理解并检验其实际应用效果。
多源动态最优潮流的分布鲁棒优化方法(IEEE118节点)(Matlab代码实现)
内容概要:本文系统阐述了基于Matlab的多源动态最优潮流分布鲁棒优化方法,聚焦于IEEE118节点电力系统,旨在应对高比例可再生能源接入背景下源荷双重不确定性所带来的调度挑战。该方法深度融合分布鲁棒优化理论,通过构建能够抵御最坏情况概率分布的决策模型,有效提升了电力系统在复杂不确定性环境下的运行安全性、经济性与可靠性。研究不仅提供了完整的Matlab代码实现,便于结果复现与算法验证,还特别关注了含风电等新能源的现代电网低碳调度问题,为解决实际工程中的优化调度难题提供了强有力的理论支撑和技术工具。; 适合人群:具备电力系统分析基础和Matlab编程能力的研究生、科研人员及从事智能电网优化运行、能源系统规划等相关领域的工程技术人员。; 使用场景及目标:①研究含高比例可再生能源接入的电力系统动态最优潮流问题;②掌握分布鲁棒优化在电力系统经济调度、低碳调度中的建模思想与求解方法;③利用IEEE118标准测试系统进行算法有效性验证与性能对比分析;④基于所提供的Matlab代码进行二次开发,探索新型不确定性优化理论在电力系统中的创新应用。; 阅读建议:建议读者结合电力系统最优潮流、不确定性优化理论(特别是分布鲁棒优化)的背景知识进行学习,重点关注模型的构建逻辑、目标函数与约束条件的设计原理,以及Matlab代码的具体实现细节。在学习过程中,应动手调试代码,尝试修改系统参数(如新能源出力波动范围、负荷水平等),以观察不同场景下优化结果的变化,从而深刻理解该方法的适应性、优势及其潜在的局限性。
车间调度基于GA、PSO、SA、ACO、TS优化算法的车间调度比较研究(Matlab代码实现)
内容概要:本文系统性地比较了遗传算法(GA)、粒子群优化(PSO)、模拟退火(SA)、蚁群优化(ACO)和禁忌搜索(TS)五种智能优化算法在车间调度问题中的性能表现,并提供了基于Matlab的完整代码实现。研究聚焦于调度优化的核心目标——最小化完工时间(makespan),通过标准测试案例对各算法的收敛速度、求解精度和稳定性进行了深入对比分析,旨在为实际生产调度中算法的选择与改进提供科学依据。文中不仅详述了每种算法的设计思路与关键参数设置,还展示了其实现逻辑,便于读者理解、复现与拓展。; 适合人群:从事智能制造、工业工程、运筹优化等相关领域的研究人员,以及具备Matlab编程基础、希望将智能优化算法应用于实际调度问题的研究生和工程师。; 使用场景及目标:① 掌握主流智能优化算法在解决NP-hard车间调度问题上的具体应用与差异;② 学习如何利用Matlab实现并对比不同优化算法的性能;③ 为解决生产制造、物流配送等领域中的资源调度难题提供算法选型和技术参考。; 阅读建议:建议读者在阅读时重点关注各算法的Matlab实现代码和实验结果对比部分,动手运行代码以直观感受不同算法的寻优过程和效果差异。同时,可结合具体调度约束条件,尝试调整算法参数或融合多种算法思想,以深化对优化机理的理解。
3D人物伍子胥智能对话及反应动作报告
3D人物伍子胥智能对话及反应动作报告


