博客
关于我
PAT——1005. 继续(3n+1)猜想 (25)
阅读量:464 次
发布时间:2019-03-06

本文共 2006 字,大约阅读时间需要 6 分钟。

为了解决这个问题,我们需要找出卡拉兹猜想中的关键数。关键数是那些在递推过程中无法被其他数字所覆盖的数。也就是说,如果一个数在递推过程中被另一个数生成,那么它就不是关键数。

方法思路

  • 生成递推序列:对于每个数,生成其递推序列,直到到达1。递推规则是:如果是偶数,除以2;如果是奇数,按照(3n + 1)/ 2 进行递推。
  • 检查覆盖关系:对于每个数,检查它是否在其他数的递推序列中出现。如果是,则该数不是关键数;否则,它是关键数。
  • 收集关键数:将所有关键数收集起来,并按从大到小的顺序输出。
  • 解决代码

    import java.util.ArrayList;import java.util.Collections;import java.util.List;public class Test1005Continue3nPlusOne {    public static void main(String[] args) {        Scanner ss = new Scanner(System.in);        int K = Integer.parseInt(ss.nextLine());        List
    nList = new ArrayList<>(); for (int i = 0; i < K; i++) { nList.add(Integer.parseInt(ss.nextLine())); } // 生成递推序列 List
    > sequences = new ArrayList<>(); for (int num : nList) { List
    sequence = new ArrayList<>(); int a = num; while (a != 1) { sequence.add(a); if (a % 2 == 0) { a = a / 2; } else { a = (3 * a + 1) / 2; } } sequence.add(1); // 添加终止条件 sequences.add(sequence); } // 判断每个数是否是关键数 List
    keys = new ArrayList<>(); for (int num : nList) { boolean isKey = true; for (int other : nList) { if (other == num) continue; if (sequences.get(other).contains(num)) { isKey = false; break; } } if (isKey) { keys.add(num); } } // 按从大到小排序并输出 Collections.sort(keys, (a, b) -> b.compareTo(a)); System.out.print(keys.get(0)); for (int i = 1; i < keys.size(); i++) { System.out.print(" " + keys.get(i)); } }}

    代码解释

  • 输入读取:读取输入的数字,并存储在列表中。
  • 递推序列生成:对于每个数,生成其递推序列,直到到达1。将每个递推序列存储在列表中。
  • 关键数判断:对于每个数,检查它是否在其他数的递推序列中出现。如果不存在,则该数是关键数。
  • 排序和输出:将关键数按从大到小排序,并输出结果。
  • 这种方法确保了我们能够高效地找出所有关键数,并按要求输出。

    转载地址:http://fcnbz.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | 实战 | 基于OpenCV和K-Means聚类实现颜色分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9+SAM实现动态目标检测和分割(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 文本图片去水印--同时保持文本原始色彩(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | 通过微调SegFormer改进车道检测效果(数据集 + 源码)
    查看>>
    OpenCV与AI深度学习 | 实战—使用YOLOv8图像分割实现路面坑洞检测(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战篇——基于YOLOv8和OpenCV实现车速检测(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战|OpenCV实时弯道检测(详细步骤+源码)
    查看>>
    OpenCV与AI深度学习 | 实用技巧 | 使用OpenCV进行模糊检测
    查看>>
    OpenCV与AI深度学习 | 实践教程|旋转目标检测模型-TensorRT 部署(C++)
    查看>>
    OpenCV与AI深度学习 | 工业缺陷检测中数据标注需要注意的几个事项
    查看>>
    OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤
    查看>>
    OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具(详细步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 水下检测+扩散模型:或成明年CVPR最大惊喜!
    查看>>
    OpenCV与AI深度学习 | 深入浅出了解OCR识别票据原理
    查看>>
    OpenCV与AI深度学习 | 深度学习检测小目标常用方法
    查看>>
    OpenCV与AI深度学习 | 超越YOLOv10/11、RT-DETRv2/3!中科大D-FINE重新定义边界框回归任务
    查看>>
    OpenCV与AI深度学习 | 高效开源的OCR工具:Surya-OCR介绍与使用
    查看>>
    OpenCV与AI深度学习|16个含源码和数据集的计算机视觉实战项目(建议收藏!)
    查看>>