Результат в приложении
Объяснение:
int main()
{
int x[20] = { 1,-2,3,-4,5,-6,-7,3,-1,14,33,45,-1,13,-8,3,2,8,90,11 };
int y[20];
int n = 0;
for (int i = 1; i < 19; i++)
{
if (x[i - 1] < 0 && x[i + 1] < 0)
{
bool exists = false;
for (int j = 0; j < n; j++)
{
if (y[j] == x[i])
{
exists = true;
break;
}
}
if (!exists)
{
y[n] = x[i];
n++;
}
}
}
if (n == 0)
std::cout << "Нет элементов" << std::endl;
else
{
for (int i = 0; i < n; i++)
{
std::cout << (y[i]) << " ";
}
std::cout << std::endl;
}
_getch(); //Экран не закрывается, пока не нажата любая клавиша
return 0;
}
Адекватность.
Объяснение:
Моделирование всегда предполагает принятие допущений той или иной степени важности. При этом должны удовлетворяться следующие требования к моделям:
а) адекватность, то есть соответствие модели исходной реальной системе и учет, прежде всего, наиболее важных качеств, связей и характеристик. Оценить адекватность выбранной модели, особенно, например, на начальной стадии проектирования, когда вид создаваемой системы ещё неизвестен, очень сложно. В такой ситуации часто полагаются на опыт предшествующих разработок или применяют определенные методы, например, метод последовательных приближений;
б) точность, то есть степень совпадения полученных в процессе моделирования результатов с заранее установленными, желаемыми. Здесь важной задачей является оценка потребной точности результатов и имеющейся точности исходных данных, согласование их как между собой, так и с точностью используемой модели;
в) универсальность, то есть применимость модели к анализу ряда однотипных систем в одном или нескольких режимах функционирования. Это позволяет расширить область применимости модели для решения большего круга задач;
г) целесообразная экономичность, то есть точность получаемых результатов и общность решения задачи должны увязываться с затратами на моделирование. И удачный выбор модели, как показывает практика, - результат компромисса между отпущенными ресурсами и особенностями используемой модели и др.