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 | 基于YoloV11自定义数据集实现车辆事故检测(有源码,建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8实现高级目标检测和区域计数
    查看>>
    VS2003 Front Page Server Extension
    查看>>
    OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测
    查看>>
    OpenCV与AI深度学习 | 基于YoloV8的药丸/片剂类型识别
    查看>>
    OpenCV与AI深度学习 | 基于YOLO和EasyOCR从视频中识别车牌
    查看>>
    OpenCV与AI深度学习 | 基于图像处理的火焰检测算法(颜色+边缘)
    查看>>
    OpenCV与AI深度学习 | 基于拉普拉斯金字塔实现图像融合(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 基于改进YOLOv8的景区行人检测算法
    查看>>
    OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案
    查看>>
    OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLO-World做目标检测
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9分割图像中的对象
    查看>>
    OpenCV与AI深度学习 | 如何使用YOLOv9检测图片和视频中的目标
    查看>>
    OpenCV与AI深度学习 | 如何在 Docker 容器中使用 GPU
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV中更稳更快的找圆方法--EdgeDrawing使用演示(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)
    查看>>
    OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)
    查看>>