油价算法有问题怎么办啊_油价调整规则算法缺陷

1.如8元1升的油价,小车2.3的排量要多少钱每公里?

2.货物加运费以后如何计算成本？有没有计算公式，谢谢

3.油价每升5块3毛,车油耗每公里7.0,算一下每公里多少钱啊

4.“删稿”式危机应对，真的有用吗？

油耗的计算为：油耗x油价/100公里。百公里8.5升，按照7块钱一升来算，那么大概需要?60，也就是说每公里六毛钱左右。

设油箱红灯亮了去加油，加的是92号汽油，单价是6.2元/L，加满后总共用了300块（这里不讲你油箱多少L）。然后你归零公里数，从0公里开始算，等到下次红灯再亮时去加油。此时车子显示你一共跑了 480公里，加了290元，那么我们就得到数据290元跑了480公里。

百公里油耗，就是290元/480公里=0.6 0.6*100=60 60/6.2（油的单价）=9.67L 。

每公里就是290元/480公里=0.6。

每个人的车型不同，性能不同，油耗自然就会不一样，但是算法都是一样的，只要记住初始里程数和结束里程数，就能够算出自己车辆的油耗，但是往往这个实际油耗会比官方给出的油耗要高出一部分。

因为官方给出的数据都是理想状态的，比如一个驾驶员按照一定速度行驶一百公里的油耗，由于多数车辆在90公里/小时接近经济车速，所以大多数官方给出的油耗都是90公里/小时的百公里油耗，这完全就是理想状态。

百度百科-油耗

如8元1升的油价,小车2.3的排量要多少钱每公里?

队列是一种先进先出的数据结构，由于这一规则的限制，使得队列有区别于栈等别的数据结构。

作为一种常用的数据结构，同栈一样，是有着丰富的现实背景的。以下是几个典型的例子。

[例5-2] 一个旅行家想驾驶汽车以最少的费用从一个城市到另一个城市(设出发时油箱是空的).给定两个城市之间的距离D1,汽车油箱的容量C(以升为单位),每升汽油能行驶的距离D2,出发点每升汽油价格P和沿途油站数N(N可以为零),油站i离出发点的距离Di,每升汽油价格Pi(i=1,2,……N).

计算结果四舍五入至小数点后两位.

如果无法到达目的地,则输出"No Solution".

样例:

INPUT

D1=275.6 C=11.9 D2=27.4 P=2.8 N=2

油站号I

离出发点的距离Di

每升汽油价格Pi

1

102.0

2.9

2

220.0

2.2

OUTPUT

26.95(该数据表示最小费用)

[问题分析]

看到这道题,许多人都马上判断出穷举是不可行的,因为数据都是以实数的形式给出的.但是,不用穷举,有什么方法是更好的呢 递推是另一条常见的思路,但是具体方法不甚明朗.

既然没有现成的思路可循,那么先分析一下问题不失为一个好办法.由于汽车是由始向终单向开的,我们最大的麻烦就是无法预知汽车以后对汽油的需求及油价变动;换句话说,前面所买的多余的油只有开到后面才会被发觉.

提出问题是解决的开始.为了着手解决遇到的困难,取得最优方案,那就必须做到两点,即只为用过的汽油付钱;并且只买最便宜的油.如果在以后的行程中发现先前的某些油是不必要的,或是买贵了,我们就会说:"还不如当初不买."由这一个想法,我们可以得到某种启示:设我们在每个站都买了足够多的油,然后在行程中逐步发现哪些油是不必要的,以此修改我们先前的购买,节省资金;进一步说,如果把在各个站加上的油标记为不同的类别,我们只要在用时用那些最便宜的油并为它们付钱,其余的油要么是太贵,要么是多余的,在最终的中会被排除.要注意的是,这里的便宜是对于某一段路程而言的,而不是全程.

[算法设计]由此,我们得到如下算法:从起点起(包括起点),每到一个站都把油箱加满(终点除外);每经过两站之间的距离,都按照从便宜到贵的顺序使用油箱中的油,并计算花费,因为这是在最优方案下不得不用的油;如果当前站的油价低于油箱中仍保存的油价,则说明以前的购买是不够明智的,其效果一定不如购买当前加油站的油,所以,明智的选择是用本站的油代替以前购买的高价油,留待以后使用,由于我们不是真的开车,也没有为备用的油付过钱,因而这样的反悔是可行的;当我们开到终点时,意味着路上的费用已经得到,此时剩余的油就没有用了,可以忽略.

数据结构用一个队列:存放由便宜到贵的各种油,一个头指针指向当前应当使用的油(最便宜的油),尾指针指向当前可能被替换的油(最贵的油).在一路用一路补充的过程中同步修改数据,求得最优方案.

注意:每到一站都要将油加满,以确保在有解的情况下能走完全程.并设出发前油箱里装满了比出发点贵的油,将出发点也看成一站,则程序循环执行换油,用油的操作,直到到达终点站为止.

本题的一个难点在于认识到油箱中油的可更换性,在这里,突破现实生活中的思维模式显得十分重要.

[程序清单]

program ex5_2(input,output);

const max=1000;

type recordtype=record price,content:real end;

var i,j,n,point,tail:longint;

content,change,distance2,money,use:real;

price,distance,consume:array[0..max] of real;

oil:array [0..max] of recordtype;

begin

write('Input DI,C,D2,P:'); readln(distance[0],content,distance2,price[0]);

write('Input N:'); readln(n); distance[n+1]:=distance[0];

for i:=1 to n do

begin

write('Input D[',i,'],','P[',i,']:');

readln(distance[i],price[i])

end;

distance[0]:=0;

for i:=n downto 0 do consume[i]:=(distance[i+1]-distance[i])/distance2;

for i:=0 to n do

if consume[i]>content then

begin writeln('No Solution'); halt end;

money:=0; tail:=1; change:=0;

oil[tail].price:=price[0]*2; oil[tail].content:=content;

for i:=0 to n do

begin

point:=tail;

while (point>=1) and (oil[point].price>=price[i]) do

begin

change:=change+oil[point].content;

point:=point-1

end;

tail:=point+1;

oil[tail].price:=price[i];

oil[tail].content:=change;

use:=consume[i]; point:=1;

while (use>1e-6) and (point=oil[point].content

then begin use:=use-oil[point].content;

money:=money+oil[point].content*oil[point].price;

point:=point+1 end

else begin oil[point].content:=oil[point].content-use;

money:=money+use*oil[point].price;

use:=0 end;

for j:=point to tail do oil[j-point+1]:=oil[j];

tail:=tail-point+1;

change:=consume[i]

end;

writeln(money:0:2)

end.

[例5-3] 分油问题:设有大小不等的3个无刻度的油桶,分别能够存满,X,Y,Z公升油(例如X=80,Y=50,Z=30).初始时,第一个油桶盛满油,第二,三个油桶为空.编程寻找一种最少步骤的分油方式,在某一个油桶上分出targ升油(例如targ=40).若找到解,则将分油方法打印出来;否则打印信息"UNABLE"等字样,表示问题无解.

[问题分析] 这是一个利用队列方法解决分油问题的程序.分油过程中,由于油桶上没有刻度,只能将油桶倒满或者倒空.三个油桶盛满油的总量始终等于开始时的第一个油桶盛满的油量.

[算法设计] 分油程序的算法主要是,每次判断当前油桶是不是可以倒出油,以及其他某个油桶是不是可以倒进油.如果满足以上条件,那么当前油桶的油或全部倒出,或将另一油桶倒满,针对两种不同的情况作不同的处理.

程序中使用一个队列Q,记录每次分油时各个油桶的盛油量和倾倒轨迹有关信息,队列中只记录互不相同的盛油状态(各个油桶的盛油量),如果程序列举出倒油过程的所有不同的盛油状态,经考察全部状态后,未能分出TARG升油的情况,就确定这个倒油问题无解.队列Q通过指针front和rear实现倒油过程的控制.

[程序清单]

program ex5_3(input,output);

const maxn=5000;

type stationtype=array[1..3] of integer;

elementtype=record

station:stationtype;

out,into:1..3;

father:integer

end;

queuetype=array [1..maxn] of elementtype;

var current,born:elementtype;

q:queuetype;

full,w,w1:stationtype;

i,j,k,remain,targ,front,rear:integer;

found:boolean;

procedure addQ(var Q:queuetype;var rear:integer; n:integer; x:elementtype);

begin

if rear=n

then begin writeln('Queue full!'); halt end

else begin rear:=rear+1; Q[rear]:=x end

end;

procedure deleteQ(var Q:queuetype;var front:integer;rear,n:integer;var x:elementtype);

begin

if front=rear

then begin writeln('Queue empty!'); halt end

else begin front:=front+1; x:=Q[front] end

end;

function dup(w:stationtype;rear:integer):boolean;

var i:integer;

begin

i:=1;

while (i<=rear) and ((w[1]q[i].station[1]) or

(w[2]q[i].station[2]) or (w[3]q[i].station[3])) do i:=i+1;

if i0 then

begin

print(q[k].father);

if k>1 then write(q[k].out, ' TO ',q[k].into,' ')

else write(' ':8);

for i:=1 to 3 do write(q[k].station[i]:5);

writeln

end

end;

begin {Main program}

writeln('1: ','2: ','3: ','targ');

readln(full[1],full[2],full[3],targ);

found:=false;

front:=0; rear:=1;

q[1].station[1]:=full[1];

q[1].station[2]:=0;

q[1].station[3]:=0;

q[1].father:=0;

while (front begin

deleteQ(q,front,rear,maxn,current);

w:=current.station;

for i:=1 to 3 do

for j:=1 to 3 do

if (ij) and (w[i]>0) and (w[j]remain

then begin w1[j]:=full[j]; w1[i]:=w[i]-remain end

else begin w1[i]:=0; w1[j]:=w[j]+w[i] end;

if not(dup(w1,rear)) then

begin

born.station:=w1;

born.out:=i;

born.into:=j;

born.father:=front;

addQ(q,rear,maxn,born);

for k:=1 to 3 do

if w1[k]=targ then found:=true

end

end

end;

if not(found)

then writeln('Unable!')

else print(rear)

end.

货物加运费以后如何计算成本？有没有计算公式，谢谢

一般在0.5元~0.8元不等。这个数据没有一个准确统一的答案，因为各个地区的油价不同，每辆车的排量不同，导致油耗不同，就算是同一辆车，因为驾驶习惯等客观因素的原因，油耗也会差很多。

汽车油耗多少钱一公里，可以用下面这个公式计算：百公里油耗×油价÷100（公里）=一公里的油钱。平常俗话说的百公里几个油，或者百公里多少多少个油，意思就是几升油。

例如，百公里6个油，意思就是说一百公里耗油6升。如油价8元一升，算法就是6*8/100=0.48元。即，一公里少有4毛8分。

还有一种方法，可以算出自己车辆的百公里油耗。计算百公里油耗，可以用以下公式：排量（L）*10/2。

例如，2.0升的汽车，百公里油耗大约是2*10/2=10升。

这里要特别注意的一点是，这个算法不是精准结果，只是一个大约结果。平常的行车路况、个人的开车习惯等都会影响油耗数值！

附开车省油小技巧：

油价每升5块3毛,车油耗每公里7.0,算一下每公里多少钱啊

货物的运费，通常有两种算法：体积重量、路途、油价。

一种是按货物体积（适用于轻但体积大的货物），一种是按货物的重量（一般是体积不大但很重）

1、基本运费，基本运费＝单位基本运费×整箱数

2、港口附加费，港口附加费＝单位港口附加费×整箱数

3、燃油附加费，燃油附加费＝单位燃油附加费×整箱数

拼箱装：拼箱运费只有基本运费，分按体积与重量计算两种方式

按体积计算，X1＝单位基本运费(MTQ)×总体积

按重量计算，X2＝单位基本运费(TNE)×总毛重

取 X1、X2 中较大的一个。教你如何计算海运运费：

扩展资料：

种类

运输价格按运输方式的不同，可以分为铁路运价、水运运价、汽车运价、航空运价和管道运输运价；按货物运载方式和要求的目的不同，可以分为整车运价和零担运价，

按运输距离远近的不同，可以分为长途运价、短途运价;根据国民经济决策和方针政策的需要,有特定运价、优待运价等。此外，依据运输特点和条件的不同，还有联运运价、专程运价、特种货物运价，以及区域运价等等。

百度百科-运费

“删稿”式危机应对，真的有用吗？

一公里100/250=0.4元。

油耗的算法是：

一百块钱油数为：

100/5.76≈13个

250公里就是2.5个百公里

所以

你的车油耗为：

13/2.5=5.2左右，相当省了。

望纳~

近期，关于“非法删稿”获刑的话题备受关注，不少公关从业者在震惊之余，也不得不再次思考：“删稿”式危机应对，真的有用吗？如何才能说服决策者放弃“删稿”的指令？

关于这个问题，我曾经专门总结过4点关于“删稿”无用的理由：

1．删除的速度和规模，肯定比不过重新发布；

2．等到你完成删除，该看到的人基本也都看到了；

3．删除行为本身，可能会成为一个新的危机风险源头；

4．删除的投入，完全可以用来做更有价值的事。

总的来说，这些角度的考虑还是能够得到大部分公关人和决策者认可的，毕竟，这都是“皆媒”整体环境下的现实情况。

不过，也有人认为这个问题需要换个角度看待，就是关于“不实”信息有没有必要去删，以及是否正当合法的疑问与争论。让很多公关人尴尬、为难的是，自身与企业决策者对“不实信息”的界定，存在巨大分歧。常常有企业的决策者对媒体报道中所提及的大部分属实信息无动于衷，却总能很敏锐地找出一两句话、个别数字，甚至是某些用词的“不实”、逻辑上的“不严谨”，并为之大为光火、大动干戈，进而习惯地指令公关团队“处理”。至于处理的方式，要求媒体改稿、撤稿、致歉，发律师函、威胁诉讼等等，不一而足。

在我看来，正是这种“洁癖”在背后驱动着“删稿”式危机应对的灰色空间。殊不知，任何企业都不是十足完美的，媒体不会只报道企业优秀的一面。企业存在的问题，不会因为媒体报道或者不报道而被掩盖或消失，更不会因为媒体报道的稿子被删除而被掩盖或消失。

更糟糕的是，不少企业决策者还有公关人士忽略了，算法应用普及于媒体内容分发带来的变化。我将这个现象比喻为“内容黑洞”，也是新加入到“删稿”无用理由中的第5点： “你所删除的，也许只是你自己‘看’不到了，网民能看到的，其实更多了。 ”也就是说，当企业公关用尽各种合法或者不合法的手段、付出巨大代价才能删除的某条所谓的“负面”，其实网民的阅读习惯已经被“记忆”，因而更多同类或相关的内容，会一股脑儿地推送到他们的手机屏幕上。那么，删稿的意义，只不过继续演绎现代版的“掩耳盗铃”罢了。

除了“内容黑洞”，我还总结了另外三种“黑洞”现象， 分别是“技术黑洞”、“价值黑洞”和“节点黑洞”。 所谓“技术黑洞”是指舆情监测受法律和道德约束而无法触达的自媒体空间、各种群……比如某地产公司先是“买断”了某本与之有关的著作，后是一篇由其即将离任高管吐槽引发的文章链接“找不到”了，实际上，著作的电子版和文章的截图，在各种群广泛流传。而“价值黑洞”主要是指内容所携带的价值观争议，这是语义的多元特征与人的主观表达共同作用形成的，它导致不同的人对同一内容可能会有截然相反的态度。比如盒马鲜生丢弃临期食物，有一部分认为这是浪费，而另一部分人则认为是企业守法负责的表现，不同的企业对类似争论的态度与反应，是不尽相同的，试图取删稿来“扑灭”质疑声音的不在少数。如果真这么去做了，结果恐怕争论就会演变为集中的“火力”。至于“节点黑洞”，侧重于关注企业内部及利益相关方不同节点的协同沟通。比如前些日子有个企业因有员工被有关部门带走协助调查而被媒体报道，该企业认为媒体报道不属实，想以声明加沟通函的方式要求媒体撤下报道。我向该企业表达了非常坚定的反对意见并提醒他们，在配合有关部门调查的同时，开展内部员工和家属沟通是更为紧急和重要的，其次是准备统一的口径以回应其他媒体的访。这个实例折射出很多企业内部，特别是决策者们公关意识的缺失。

写到这里，必须要强调和正视一点，无论找到多少理由，说服决策者放弃“删稿”的指令，并不是目的，而是要有进一步及时准确的危机分析、研判和应对策略给到决策者，切实帮助解决公关危机，才是更重要的。具体到操作层面的方法选择与尺度把握， 很显然，沟通才是正道； 也只有沟通，才是公关的本源价值与长线生命力。