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 | CIB-SE-YOLOv8: 优化的YOLOv8, 用于施工现场的安全设备实时检测 !
    查看>>
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>