uva10294 Arif in Dhaka (First Love Part 2)(置换群/polya定理)

本文探讨了由多种颜色珠子构成的环形串(项链和手镯)的组合计数问题,通过Polya定理解析旋转和翻转对方案数的影响,并提供了具体的算法实现。

题目

n(n<=50)个珠子的环形串,由t(t<=10)种颜色构成

环形串分为项链和手镯两种,

项链把旋转相同的看成是同一种方案,

手镯把旋转相同或翻转相同的看成是同一种方案,

求项链的方案数,手镯的方案数

思路来源

指南P147页

题解

根据polya定理,方案数=置换方案数总和/置换数

 

旋转i(0<=i<=n-1)颗珠子,从0出发,走到i,2i,…,再回到0时,

总圈数为lcm(i,n),步长为i,则有lcm(i,n)/i=n/gcd(i,n)步

由对称性,有gcd(i,n)个循环,则旋转i颗珠子的方案为t^{gcd(i,n)}

 

翻转分奇偶,奇数一定过顶点,偶数分过顶点和对称轴

可以举三角形和正方形为例求方案数,

仅考虑每个置换内部的循环个数,不用考虑循环节的大小

 

旋转这个可以枚举gcd化简一下式子降到根号n,

用欧拉函数求,但这题数据范围太弱了没必要

代码

#include<iostream>
#include<cstdio>
using namespace std;
typedef long long ll;
const int N=55;
int n,t;
ll f[N],cyc,rev;//t的阶乘,旋转,翻转
int gcd(int a,int b){
    return b==0?a:gcd(b,a%b);
}
int main(){
    while(~scanf("%d%d",&n,&t) && n){
        f[0]=1;
        for(int i=1;i<=n;++i){
            f[i]=f[i-1]*t;
        }
        cyc=rev=0;
        for(int i=0;i<n;++i){
            cyc+=f[gcd(i,n)];//旋转
        }
        if(n&1)rev=n*f[(n+1)/2];//翻转奇数
        else rev=n/2*(f[n/2+1]+f[n/2]);//翻转偶数
        printf("%lld %lld\n",cyc/n,(cyc+rev)/2/n);//所有置换方案的平均数
    }
    return 0;
}

 

下载前可以先看下教程 https://pan.quark.cn/s/a4b39357ea24 在网页构建过程中,表单(Form)扮演着用户与网站之间沟通的关键角色,其主要功能在于汇集用户的各类输入信息。 JavaScript作为网页开发的核心技术,提供了多样化的API和函数来操作表单组件,诸如input和select等元素。 本专题将详细研究如何借助原生JavaScript对form表单进行视觉优化,并对input输入框与select下拉框进行功能增强。 一、表单基础1. 表单组件:在HTML语言中,<form>标签用于构建一个表单,该标签内部可以容纳多种表单组件,包括<input>(输入框)、<select>(下拉框)、<textarea>(多行文本输入区域)等。 2. 表单参数:诸如action(表单提交的地址)、method(表单提交的协议,为GET或POST)等属性,它们决定了表单的行为特性。 3. 表单行为:诸如onsubmit(表单提交时触发的动作)、onchange(表单元素值变更时触发的动作)等事件,能够通过JavaScript进行响应式处理。 二、input元素视觉优化1. CSS定制:通过设定input元素的CSS属性,例如border(边框)、background-color(背景色)、padding(内边距)、font-size(字体大小)等,能够调整其视觉表现。 2. placeholder特性:提供预填的提示文字,以帮助用户明确输入框的预期用途。 3. 图标集成:借助:before和:after伪元素或者额外的HTML组件结合CSS定位技术,可以在输入框中嵌入图标,从而增强视觉吸引力。 三、select下拉框视觉优化1. 复选功能:通过设置multiple属性...
【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究(Python代码实现)内容概要:本文围绕“基于深度强化学习的微能源网能量管理与优化策略”展开研究,重点探讨了如何利用深度强化学习技术对微能源系统进行高效的能量管理与优化调度。文中结合Python代码实现,复现了EI级别研究成果,涵盖了微电网中分布式能源、储能系统及负荷的协调优化问题,通过构建合理的奖励函数与状态空间模型,实现对复杂能源系统的智能决策支持。研究体现了深度强化学习在应对不确定性可再生能源出力、负荷波动等挑战中的优势,提升了系统运行的经济性与稳定性。; 适合人群:具备一定Python编程基础和机器学习背景,从事能源系统优化、智能电网、强化学习应用等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于微能源网的能量调度与优化控制,提升系统能效与经济效益;②为深度强化学习在能源管理领域的落地提供可复现的技术路径与代码参考;③服务于学术研究与论文复现,特别是EI/SCI级别高水平论文的仿真实验部分。; 阅读建议:建议读者结合提供的Python代码进行实践操作,深入理解深度强化学习算法在能源系统建模中的具体应用,重点关注状态设计、动作空间定义与奖励函数构造等关键环节,并可进一步扩展至多智能体强化学习或与其他优化算法的融合研究。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小衣同学

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值