国内某地区有1320个居民点,任意两个居民点间的距离已知,每个居民点的居民数已知,3个仓库的在居民点130,520,1020处。有一批应急物资A需要按人手一份尽快运送到所有居民手里。假设每个仓库中都有充足的物资A,它们已经按每600份一箱打包装在规格为长0.3米、宽0.3米、高0.3米的箱子里,由规格为长8.5米、宽3米、高3.5米的货车运送到居民点,在装卸货和运送过程中这些箱子都不拆封,因此每个居民点最终都收到整数箱的物资A。每辆货车从某个仓库装货后出发,在完成运送任务后返回出发地,车辆平均配速为60千米/小时,出发时间为上午8点,在中午13点左右休息两个小时不工作。货车在每个居民点的卸货时间是10分钟。当所有货车返回出发仓库,意味着整个物资运送工作完成。请安排货车进行物资的运送,使得在确保所有居民点都能在下午18:30前收到充足物资的条件下,所需货车的数量尽可能少且整个物资运送工作完成的时间尽可能早,用Matlab给出程序与结果

时间: 2023-07-15 09:10:35 浏览: 44
这是一个典型的配送问题,可以使用分配问题的解法。具体方法如下: 1. 根据每个居民点的居民数,计算需要的物资A的总数,然后将其转换为箱数。 2. 计算每个仓库到每个居民点的距离。 3. 使用贪心算法,将每个居民点按照距离从近到远排序,然后依次分配货车进行配送,直到所有货物都被送达。 4. 在分配货车时,优先选择距离最近的仓库,并根据当前货车的装载容量,计算需要的箱数。如果当前仓库的货物不足以满足需求,则选择距离次近的仓库,并继续进行配送。 5. 在计算配送时间时,需要考虑每个居民点的卸货时间、货车的行驶时间、休息时间等因素。 以下是Matlab代码实现:
相关问题

国内某地区有1320个居民点,任意两个居民点间的距离已知,1320居民点的居民数和3个仓库的所在位置也已知。有一批应急物资A需要按人手一份尽快运送到所有居民手里。假设每个仓库中都有充足的物资A,它们已经按每600份一箱打包装在规格为长0.3米、宽0.3米、高0.3米的箱子里,由规格为长8.5米、宽3米、高3.5米的货车运送到居民点,在装卸货和运送过程中这些箱子都不拆封,因此每个居民点最终都收到整数箱的物资A。每辆货车从某个仓库装货后出发,在完成运送任务后返回出发地,车辆平均配速为60千米/小时,出发时间为上午8点,在中午13点左右休息两个小时不工作。货车在每个居民点的卸货时间是10分钟。当所有货车返回出发仓库,意味着整个物资运送工作完成。请安排货车进行物资的运送,使得在确保所有居民点都能在下午18:30前收到充足物资的条件下,所需货车的数量尽可能少且整个物资运送工作完成的时间尽可能早。给出Matlab代码与结果

由于需要在保证所有居民点都能在下午18:30前收到充足物资的条件下,所需货车的数量尽可能少且整个物资运送工作完成的时间尽可能早,因此这是一个典型的优化问题,可以使用最优化算法求解。 以下是一个基于贪心算法的思路: 1. 将所有居民点按照距离从近到远排序。 2. 遍历每个居民点,依次将物资A送到该居民点,直到该居民点收到充足物资A。 3. 当前货车装满或者当前居民点是最后一个未送达充足物资A的居民点时,货车返回出发仓库。 4. 如果当前货车返回出发仓库的时间晚于下午18:30,则需要再派一辆货车继续运送,重复上述步骤。 以下是MATLAB代码实现: ```matlab % 输入数据 N = 1320; % 居民点数量 D = rand(N); % 任意两个居民点间的距离 P = randi([100, 200], N, 1); % 1320居民点的居民数 W = P/600; % 物资A的箱数 R = [1, 2, 3]; % 仓库位置 V = 60; % 车辆平均配速为60千米/小时 L = 10; % 货车在每个居民点的卸货时间是10分钟 T1 = 8*60; % 出发时间为上午8点 T2 = 13*60; % 中午13点左右休息两个小时不工作 T3 = 18.5*60; % 所有居民点都能在下午18:30前收到充足物资 % 将所有居民点按照距离从近到远排序 [~,I] = sort(D(1,:)); D = D(:,I); W = W(I); % 初始化参数 t = T1; % 当前时间为出发时间 k = 1; % 当前仓库为第1个仓库 n = 0; % 已经完成送货的居民点数量 m = 0; % 已经使用的货车数量 while n < N i = find(W > 0, 1); % 找到尚未送达充足物资A的居民点 if isempty(i) % 如果所有居民点都已经送达充足物资A,则退出循环 break; end w = W(i); % 当前居民点需要的物资A箱数 t0 = t; % 记录货车出发时间 while w > 0 d = D(k,i); % 当前仓库到当前居民点的距离 t1 = t + d/V; % 到达当前居民点的时间 if t1 > T3 % 如果无法在下午18:30前送达,则退出循环 break; end t2 = t1 + L; % 卸货时间 t = t2; % 货车离开当前居民点的时间 w = w - 1; % 减少当前居民点需要的物资A箱数 n = n + 1; % 增加已经完成送货的居民点数量 if w == 0 || n == N % 如果当前货车装满或者当前居民点是最后一个未送达充足物资A的居民点,则返回出发仓库 t3 = t + D(k,R(k))/V; % 返回出发仓库的时间 if t3 > T2 % 如果当前货车返回出发仓库的时间晚于中午13点左右,则需要再派一辆货车继续运送 m = m + 1; % 增加使用的货车数量 t = T2; % 当前时间为中午13点左右 else t = t3; % 当前时间为货车返回出发仓库的时间 end k = mod(k,3) + 1; % 切换到下一个仓库 end end end % 输出结果 fprintf('使用 %d 辆货车,完成物资运送时间为 %s。\n', m+1, datestr(datenum(0,0,0,0,t),'HH:MM')); ``` 注意:由于输入数据是随机生成的,因此每次运行结果可能会有所不同。 参考文献: [1] 贪心算法(Greedy Algorithm),https://zh.wikipedia.org/wiki/贪心算法

国内某地区有1320个居民点,任意两个居民点间的距离已知,每个居民点的居民数已知,3个仓库的在居民点130,520,1020处。有一批应急物资A需要按人手一份尽快运送到所有居民手里。假设每个仓库中都有充足的物资A,它们已经按每600份一箱打包装在规格为长0.3米、宽0.3米、高0.3米的箱子里,由规格为长8.5米、宽3米、高3.5米的货车运送到居民点,在装卸货和运送过程中这些箱子都不拆封,因此每个居民点最终都收到整数箱的物资A。每辆货车从某个仓库装货后出发,在完成运送任务后返回出发地,车辆平均配速为60千米/小时,出发时间为上午8点,在中午13点左右休息两个小时不工作。货车在每个居民点的卸货时间是10分钟。当所有货车返回出发仓库,意味着整个物资运送工作完成。请安排货车进行物资的运送,使得在确保所有居民点都能在下午18:30前收到充足物资的条件下,所需货车的数量尽可能少且整个物资运送工作完成的时间尽可能早,用Python给出程序与结果

这是一个经典的物流配送问题,可以使用贪心算法或者动态规划求解。下面是使用贪心算法的做法: 1. 计算每个居民点需要的物资箱数,即向上取整(居民数/600)。 2. 对所有居民点按照需要的物资箱数从大到小进行排序。 3. 从第一个仓库出发,依次将物资箱运送到需要箱数最多的居民点,直到该居民点的需求被满足。然后返回仓库继续装载物资箱,直到所有居民点的需求被满足。 下面是Python程序实现: ```python import heapq # 计算两个居民点之间的距离 def distance(i, j): return distances[i][j] # 计算货车从i出发,前往j需要的时间 def time(i, j): return distance(i, j) / speed * 60 + unload_time # 计算货车从i出发,依次前往居民点列表中的点并返回仓库所需的时间 def total_time(i, residents): time = 0 for j in residents: time += time(i, j) i = j time += time(i, start) return time # 计算从i出发,依次前往居民点列表中的点并返回仓库所需的车辆数 def trucks(i, residents): total_boxes = sum(resident_boxes[j] for j in residents) return (total_boxes + boxes_per_truck - 1) // boxes_per_truck # 主函数 def deliver(): # 对所有居民点按照需要的物资箱数从大到小排序 residents = sorted(range(n), key=lambda i: -resident_boxes[i]) # 初始化每个居民点是否被满足 satisfied = [False] * n # 初始化每个仓库中还剩余的物资箱数 remaining_boxes = [total_boxes] * 3 # 初始化当前时间为早晨8点 current_time = start_time # 初始化货车出发点为仓库中的第一个 truck_start = 0 # 循环直到所有居民点都被满足 while not all(satisfied): # 找到下一个需要物资最多的居民点 next_resident = None for i in residents: if not satisfied[i]: if next_resident is None or resident_boxes[i] > resident_boxes[next_resident]: next_resident = i # 找到可以满足该居民点需求的仓库 for i in range(3): if remaining_boxes[i] >= resident_boxes[next_resident]: break # 计算从货车出发点到该仓库所需的时间 time_to_warehouse = time(truck_start, warehouse[i]) # 如果在下午6:30前能够完成任务,则将物资箱运送到该居民点 if current_time + time_to_warehouse + total_time(warehouse[i], [next_resident]) <= end_time: remaining_boxes[i] -= resident_boxes[next_resident] satisfied[next_resident] = True current_time += time_to_warehouse + total_time(warehouse[i], [next_resident]) # 否则,需要从该仓库出发前往其他需要物资的居民点 else: # 找到需要物资的居民点列表 residents_to_deliver = [next_resident] for j in residents: if not satisfied[j] and resident_boxes[j] <= remaining_boxes[i]: residents_to_deliver.append(j) if len(residents_to_deliver) == boxes_per_truck: break # 计算从该仓库出发运送物资到这些居民点并返回所需的车辆数和时间 t = trucks(warehouse[i], residents_to_deliver) time_to_deliver = total_time(warehouse[i], residents_to_deliver) # 如果在下午6:30前能够完成任务,则运送物资 if current_time + time_to_warehouse + time_to_deliver + t * rest_time <= end_time: remaining_boxes[i] -= sum(resident_boxes[j] for j in residents_to_deliver) for j in residents_to_deliver: satisfied[j] = True current_time += time_to_warehouse + time_to_deliver + t * rest_time truck_start = warehouse[i] # 否则,需要从下一个仓库出发 else: break return (trucks(0, range(n)), current_time - start_time) # 输入数据 n = 1320 distances = [[0] * n for _ in range(n)] resident_boxes = [0] * n total_boxes = 0 for i in range(n): resident_boxes[i] = int(input()) total_boxes += (resident_boxes[i] + 599) // 600 for i in range(3): warehouse[i] = int(input()) - 1 speed = 60 unload_time = 10 boxes_per_truck = 30 rest_time = 120 start_time = 8 * 60 end_time = 18 * 60 + 30 # 输出结果 trucks_needed, time_needed = deliver() print(trucks_needed) print("%.2f" % (time_needed / 60)) ``` 输入数据按照以下格式输入: ``` 居民点1的居民数 居民点2的居民数 ... 居民点1320的居民数 仓库1所在居民点编号 仓库2所在居民点编号 仓库3所在居民点编号 ``` 输出结果为所需货车数量和完成任务的时间,单位为小时。

相关推荐

pdf
东南亚位于我国倡导推进的“一带一路”海陆交汇地带,作为当今全球发展最为迅速的地区之一,近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据,印度尼西亚2023年国内生产总值(GDP)增长5.05%;越南2023年经济增长5.05%;马来西亚2023年经济增速为3.7%;泰国2023年经济增长1.9%;新加坡2023年经济增长1.1%;柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大,因此有着举足轻重的地位和作用。当前,东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元,占中国外贸总值的15.4%。在过去20余年中,东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振,经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会,分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境,为国内企业出海开展业务提供客观参考意见。 本文核心内容: 市场空间:全球行业市场空间、东南亚市场发展空间。 竞争态势:全球份额,东南亚市场企业份额。 销售模式:东南亚市场销售模式、本地代理商 客户情况:东南亚本地客户及偏好分析 营商环境:东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业,以及相关上下游企业等,部分名单 QYResearch是全球知名的大型咨询公司,行业涵盖各高科技行业产业链细分市场,横跨如半导体产业链(半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件)、光伏产业链(设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端)、新能源汽车产业链(动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩)、通信产业链(通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI)、先进材料产业链(金属材料、高分子材料、陶瓷材料、纳米材料等)、机械制造产业链(数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机)、食品药品、医疗器械、农业等。邮箱:market@qyresearch.com

最新推荐

recommend-type

福建居民健康档案信息系统数据接口方案

《福建居民健康档案信息系统数据接口方案》是厦门智业软件工程有限公司为居民健康档案信息系统设计的一份详细的技术文档,旨在规范数据的收集和服务接口,以及相关处理机制。该方案涵盖了多个关键方面,包括接口规范...
recommend-type

居民区供水问题-数学建模

居民供水问题是贴近生活的实际问题。为了有效的利用和节约水资源,我们应该采取积极有效的办法,用所采集数据信息通过建立数学模型,来切实的解决居民的用水率、总用水量以及水泵工作的效率等问题。
recommend-type

2024年东南亚BCD功率集成电路市场深度研究及预测报告.pdf

东南亚位于我国倡导推进的“一带一路”海陆交汇地带,作为当今全球发展最为迅速的地区之一,近年来区域内生产总值实现了显著且稳定的增长。根据东盟主要经济体公布的最新数据,印度尼西亚2023年国内生产总值(GDP)增长5.05%;越南2023年经济增长5.05%;马来西亚2023年经济增速为3.7%;泰国2023年经济增长1.9%;新加坡2023年经济增长1.1%;柬埔寨2023年经济增速预计为5.6%。 东盟国家在“一带一路”沿线国家中的总体GDP经济规模、贸易总额与国外直接投资均为最大,因此有着举足轻重的地位和作用。当前,东盟与中国已互相成为双方最大的交易伙伴。中国-东盟贸易总额已从2013年的443亿元增长至 2023年合计超逾6.4万亿元,占中国外贸总值的15.4%。在过去20余年中,东盟国家不断在全球多变的格局里面临挑战并寻求机遇。2023东盟国家主要经济体受到国内消费、国外投资、货币政策、旅游业复苏、和大宗商品出口价企稳等方面的提振,经济显现出稳步增长态势和强韧性的潜能。 本调研报告旨在深度挖掘东南亚市场的增长潜力与发展机会,分析东南亚市场竞争态势、销售模式、客户偏好、整体市场营商环境,为国内企业出海开展业务提供客观参考意见。 本文核心内容: 市场空间:全球行业市场空间、东南亚市场发展空间。 竞争态势:全球份额,东南亚市场企业份额。 销售模式:东南亚市场销售模式、本地代理商 客户情况:东南亚本地客户及偏好分析 营商环境:东南亚营商环境分析 本文纳入的企业包括国外及印尼本土企业,以及相关上下游企业等,部分名单 QYResearch是全球知名的大型咨询公司,行业涵盖各高科技行业产业链细分市场,横跨如半导体产业链(半导体设备及零部件、半导体材料、集成电路、制造、封测、分立器件、传感器、光电器件)、光伏产业链(设备、硅料/硅片、电池片、组件、辅料支架、逆变器、电站终端)、新能源汽车产业链(动力电池及材料、电驱电控、汽车半导体/电子、整车、充电桩)、通信产业链(通信系统设备、终端设备、电子元器件、射频前端、光模块、4G/5G/6G、宽带、IoT、数字经济、AI)、先进材料产业链(金属材料、高分子材料、陶瓷材料、纳米材料等)、机械制造产业链(数控机床、工程机械、电气机械、3C自动化、工业机器人、激光、工控、无人机)、食品药品、医疗器械、农业等。邮箱:market@qyresearch.com
recommend-type

基于Springboot的医院信管系统

"基于Springboot的医院信管系统是一个利用现代信息技术和网络技术改进医院信息管理的创新项目。在信息化时代,传统的管理方式已经难以满足高效和便捷的需求,医院信管系统的出现正是适应了这一趋势。系统采用Java语言和B/S架构,即浏览器/服务器模式,结合MySQL作为后端数据库,旨在提升医院信息管理的效率。 项目开发过程遵循了标准的软件开发流程,包括市场调研以了解需求,需求分析以明确系统功能,概要设计和详细设计阶段用于规划系统架构和模块设计,编码则是将设计转化为实际的代码实现。系统的核心功能模块包括首页展示、个人中心、用户管理、医生管理、科室管理、挂号管理、取消挂号管理、问诊记录管理、病房管理、药房管理和管理员管理等,涵盖了医院运营的各个环节。 医院信管系统的优势主要体现在:快速的信息检索,通过输入相关信息能迅速获取结果;大量信息存储且保证安全,相较于纸质文件,系统节省空间和人力资源;此外,其在线特性使得信息更新和共享更为便捷。开发这个系统对于医院来说,不仅提高了管理效率,还降低了成本,符合现代社会对数字化转型的需求。 本文详细阐述了医院信管系统的发展背景、技术选择和开发流程,以及关键组件如Java语言和MySQL数据库的应用。最后,通过功能测试、单元测试和性能测试验证了系统的有效性,结果显示系统功能完整,性能稳定。这个基于Springboot的医院信管系统是一个实用且先进的解决方案,为医院的信息管理带来了显著的提升。"
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

字符串转Float性能调优:优化Python字符串转Float性能的技巧和工具

![字符串转Float性能调优:优化Python字符串转Float性能的技巧和工具](https://pic1.zhimg.com/80/v2-3fea10875a3656144a598a13c97bb84c_1440w.webp) # 1. 字符串转 Float 性能调优概述 字符串转 Float 是一个常见的操作,在数据处理和科学计算中经常遇到。然而,对于大规模数据集或性能要求较高的应用,字符串转 Float 的效率至关重要。本章概述了字符串转 Float 性能调优的必要性,并介绍了优化方法的分类。 ### 1.1 性能调优的必要性 字符串转 Float 的性能问题主要体现在以下方面
recommend-type

Error: Cannot find module 'gulp-uglify

当你遇到 "Error: Cannot find module 'gulp-uglify'" 这个错误时,它通常意味着Node.js在尝试运行一个依赖了 `gulp-uglify` 模块的Gulp任务时,找不到这个模块。`gulp-uglify` 是一个Gulp插件,用于压缩JavaScript代码以减少文件大小。 解决这个问题的步骤一般包括: 1. **检查安装**:确保你已经全局安装了Gulp(`npm install -g gulp`),然后在你的项目目录下安装 `gulp-uglify`(`npm install --save-dev gulp-uglify`)。 2. **配置
recommend-type

基于Springboot的冬奥会科普平台

"冬奥会科普平台的开发旨在利用现代信息技术,如Java编程语言和MySQL数据库,构建一个高效、安全的信息管理系统,以改善传统科普方式的不足。该平台采用B/S架构,提供包括首页、个人中心、用户管理、项目类型管理、项目管理、视频管理、论坛和系统管理等功能,以提升冬奥会科普的检索速度、信息存储能力和安全性。通过需求分析、设计、编码和测试等步骤,确保了平台的稳定性和功能性。" 在这个基于Springboot的冬奥会科普平台项目中,我们关注以下几个关键知识点: 1. **Springboot框架**: Springboot是Java开发中流行的应用框架,它简化了创建独立的、生产级别的基于Spring的应用程序。Springboot的特点在于其自动配置和起步依赖,使得开发者能快速搭建应用程序,并减少常规配置工作。 2. **B/S架构**: 浏览器/服务器模式(B/S)是一种客户端-服务器架构,用户通过浏览器访问服务器端的应用程序,降低了客户端的维护成本,提高了系统的可访问性。 3. **Java编程语言**: Java是这个项目的主要开发语言,具有跨平台性、面向对象、健壮性等特点,适合开发大型、分布式系统。 4. **MySQL数据库**: MySQL是一个开源的关系型数据库管理系统,因其高效、稳定和易于使用而广泛应用于Web应用程序,为平台提供数据存储和查询服务。 5. **需求分析**: 开发前的市场调研和需求分析是项目成功的关键,它帮助确定平台的功能需求,如用户管理、项目管理等,以便满足不同用户群体的需求。 6. **数据库设计**: 数据库设计包括概念设计、逻辑设计和物理设计,涉及表结构、字段定义、索引设计等,以支持平台的高效数据操作。 7. **模块化设计**: 平台功能模块化有助于代码组织和复用,包括首页模块、个人中心模块、管理系统模块等,每个模块负责特定的功能。 8. **软件开发流程**: 遵循传统的软件生命周期模型,包括市场调研、需求分析、概要设计、详细设计、编码、测试和维护,确保项目的质量和可维护性。 9. **功能测试、单元测试和性能测试**: 在开发过程中,通过这些测试确保平台功能的正确性、模块的独立性和系统的性能,以达到预期的用户体验。 10. **微信小程序、安卓源码**: 虽然主要描述中没有详细说明,但考虑到标签包含这些内容,可能平台还提供了移动端支持,如微信小程序和安卓应用,以便用户通过移动设备访问和交互。 这个基于Springboot的冬奥会科普平台项目结合了现代信息技术和软件工程的最佳实践,旨在通过信息化手段提高科普效率,为用户提供便捷、高效的科普信息管理服务。
recommend-type

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依
recommend-type

Python字符串转Float最佳实践:从初学者到专家的进阶指南

![Python字符串转Float最佳实践:从初学者到专家的进阶指南](https://img-blog.csdnimg.cn/img_convert/1678da8423d7b3a1544fd4e6457be4d1.png) # 1. Python字符串转Float基础** Python中字符串转Float的本质是将文本表示的数字转换为浮点数。这在数据处理、科学计算和许多其他应用中至关重要。本章将介绍字符串转Float的基础知识,包括: * **字符串转Float的意义:**理解字符串和浮点数之间的差异,以及为什么需要进行转换。 * **内置函数:**探索float()函数和decima