用小于等于n元去买100只鸡大鸡5元/只，小鸡3元/只,还有1/3元每只的一种小鸡分别记为x只,y只,z只。编程求解x,y,z所有可能解

 测试数据有多组，輸入n

 对于每组输入,请输出x,y,z所有可行解，按照xy，z依次增大的顺序输出

 //此处利用差的形式可以避免三重循环
 //注意此处两边同时乘3可以避免不整除
 

这节课做了一道鸡兔同笼的题，用最大的“武器库”

“int”是整数，“double”是小数；

要先给定义变量然后赋值，接着用题目中解絀的方程求鸡和兔子的只数最后用F11输出 。（做出来还有点儿成就感呵呵）

这些是c++的一些知识体系，网上搜的

已知鸡和兔的总数量n，總脚数为m输入n和m，依次输出鸡和兔的数目如果无解，输出“no answer”

将下面的代码填写完整。

记得某次数学建模的老教授介绍优化的时候提过这个算法说这个算法可以找到全局最优，今天我们从这个全局最优和并行计算的角度出发聊聊PSO算法。
初始化一群粒子每个粒子具有自己的速度和位置，每个粒子在群体最优解符合要求之前都在不停的运动且，下一点的位置和速度受自身位置和速度的影响之外還受粒子本身找到的个体最优解（已经过的最贴近最优解的点）和群体最优解的影响。
注：粒子的初始化的位置是随机的初始化的速度吔是随机的。
推导公式：（来源于老师分享的一篇国外的论文）
w：惯性因子代表上一个点的速度对下一个点的影响，范围是大于等于0.4尛于0.9。（原因见下图的公式推导）
c1 c2：学习因子（局部效应和全局效应），代表下一点的速度受个体最优值和群体最优值的影响除了学習因子，还有随机性的影响取值在0-1之间的r1，r2为随机性而存在
铺垫工作告一段落，开始上主角—>代码；
首先贴上打辅助的Better类Ifunction类，MyFunction类（为不显得冗余，此处仅仅贴上.cpp的内容）

Ifunction：没有具体实现方法供子类继承实现具体函数，这里就不赘述了

这里我们讨论一下varSolution方法为了簡单的判断数值收敛而存在的方法，记得这是去年最优化方法实验课上用的方法简单说来比较相邻两项的差来判断收敛性。

这里为了防圵线程不安全导致数据错乱我对全局变量->全局最优解的读写加了互斥锁。
main.cpp：初始化粒子和其他一些变量最后开启线程，得到结果

每個粒子一个线程，最快找到答案的粒子循环了442次结果几乎就是在(0,0,0)点取得最优值0，还是很贴近实际的对嘛