博客
关于我
PAT(Basic Level)1001 (3n+1)猜想
阅读量:558 次
发布时间:2019-03-09

本文共 809 字,大约阅读时间需要 2 分钟。

1001 宝藏大问题(3n+1)猜想(15 分)

卡拉兹(Callatz)猜想:对于任何一个正整数 n,如果它是偶数,那么将它除以2;如果它是奇数,那么将 (3n + 1) 除以2。通过不断重复这个过程,最后肯定会在某一步得到 n=1。

对于给定的任一不超过 1000 的正整数 n,您需要计算从 n 计算到 1 所需的步骤(即砍多少下)

我们的任务是编写一个程序,接受输入 n 的值,计算并输出所需步骤的数量。下面是解决方案的简要说明:

### 方法思路我们可以通过模拟过程来解决这个问题。具体步骤如下:1. 初始化步骤计数器到 0。2. 检查当前数是奇数还是偶数: - 如果是偶数,将其除以 2。 - 如果是奇数,将其转换为 (3n + 1) 并除以 2。3. 每次操作后递增步骤计数器。4. 当结果等于 1 时停止,返回步骤计数器的值。

解决代码

#include 
using namespace std;int getNum() { int a = 0; cin >> a; return a;}int count(int a) { int i = 0; while (a != 1) { if (a % 2) { a = (3 * a + 1) / 2; } else { a = a / 2; } i++; } return i;}int main() { int a, i; a = getNum(); i = count(a); cout << i << endl;}

### 结果示例输入:7输出:11

通过上述方法,我们可以轻松计算出从任意正整数 n 到 1 所需的步骤数。这种方法简单直观,能够快速解决问题。

转载地址:http://slvpz.baihongyu.com/

你可能感兴趣的文章
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 | 使用OpenCV和Streamlit搭建虚拟化妆应用程序(附源码)
查看>>
OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别
查看>>
OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态(含数据集)
查看>>
OpenCV与AI深度学习 | 实战 | 使用姿态估计算法构建简单的健身训练辅助应用程序
查看>>
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—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>>