UVa 12955 Factorial

本文探讨了一个利用动态规划解决复杂阶乘问题的算法。通过预先计算阶乘值并使用动态规划来优化解决方案,减少计算时间和内存消耗。详细步骤包括阶乘数组初始化、动态规划状态转移方程的应用,以及最终输出最小钞票数量。

Problemuva.onlinejudge.org/index.php?option=com_onlinejudge&Itemid=8&page=show_problem&problem=4834

开始想多了,想着不能简单贪心,要用dp,于是写了下面的代码:

题目 n 最大1e5,而 15! > 1e5,所以 fac[] 开16就够

dp[0]表示钞票总额,dp[1]表示钞票数

#include <stdio.h>
#include <string.h>
int fac[16],dp[2][100001];
int min(int a,int b)
{
    return a<b?a:b;
}
int main()
{
    int i,n;
    for(i=n=fac[0]=1;i<16;i++)
        fac[i]=n*=i;
    while(~scanf("%d",&n))
    {
        int j;
        memset(dp,0,sizeof(dp));
        for(i=0;i<=n;i++)
          for(j=fac[i];j<=n;j++)
          {
              if(dp[0][j-fac[i]]+fac[i]>dp[0][j])
              {
                  dp[0][j]=dp[0][j-fac[i]]+fac[i];
                  dp[1][j]=dp[1][j-fac[i]]+1;
              }
              if(dp[0][j-fac[i]]+fac[i]==dp[0][j])
                dp[1][j]=min(dp[1][j],dp[1][j-fac[i]]+1);
          }
        printf("%d\n",dp[1][n]);
    }
    return 0;
}

过了样例,交上去超时

后来想:1! =1 啊,所以肯定能用 1! 补充 n 减去其它阶乘剩下的数

题目相当于:某种货币有面值分别为 1! 、 2! 、…、15! 的钞票,要买价格为 n 的物品,最少要多少张钞票…

#include <stdio.h>
int fac[16];
int main()
{
    int i,n;
    for(i=n=fac[0]=1;i<16;i++)
        fac[i]=n*=i;
    while(~scanf("%d",&n))
    {
        int num=0;
        for(i=15;n>0&&i>0;n%=fac[i--])
            num+=n/fac[i];
        printf("%d\n",num);
    }
    return 0;
}

【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)内容概要:本文介绍了名为《【顶级EI完整复现】【DRCC】考虑N-1准则的分布鲁棒机会约束低碳经济调度(Matlab代码实现)》的技术资源,聚焦于电力系统中低碳经济调度问题,结合N-1安全准则与分布鲁棒机会约束(DRCC)方法,提升调度模型在不确定性环境下的鲁棒性和可行性。该资源提供了完整的Matlab代码实现,涵盖建模、优化求解及仿真分析全过程,适用于复杂电力系统调度场景的科研复现与算法验证。文中还列举了大量相关领域的研究主题与代码资源,涉及智能优化算法、机器学习、电力系统管理、路径规划等多个方向,展示了广泛的科研应用支持能力。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事能源调度、智能电网相关工作的工程师。; 使用场景及目标:①复现高水平期刊(如EI/SCI)关于低碳经济调度的研究成果;②深入理解N-1安全约束与分布鲁棒优化在电力调度中的建模方法;③开展含新能源接入的电力系统不确定性优化研究;④为科研项目、论文撰写或工程应用提供可运行的算法原型和技术支撑。; 阅读建议:建议读者结合文档提供的网盘资源,下载完整代码与案例数据,按照目录顺序逐步学习,并重点理解DRCC建模思想与Matlab/YALMIP/CPLEX等工具的集成使用方式,同时可参考文中列出的同类研究方向拓展研究思路。
内容概要:本文详细介绍了一个基于MATLAB实现的电力负荷预测项目,采用K近邻回归(KNN)算法进行建模。项目从背景意义出发,阐述了电力负荷预测在提升系统效率、优化能源配置、支撑智能电网和智慧城市建设等方面的重要作用。针对负荷预测中影响因素多样、时序性强、数据质量差等挑战,提出了包括特征工程、滑动窗口构造、数据清洗与标准化、K值与距离度量优化在内的系统性解决方案。模型架构涵盖数据采集、预处理、KNN回归原理、参数调优、性能评估及工程部署全流程,并支持多算法集成与可视化反馈。文中还提供了MATLAB环境下完整的代码实现流程,包括数据加载、归一化、样本划分、K值选择、模型训练预测、误差分析与结果可视化等关键步骤,增强了模型的可解释性与实用性。; 适合人群:具备一定MATLAB编程基础和机器学习基础知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员、工程师及高校师生;适合工作1-3年希望提升实际项目开发能力的技术人员; 使用场景及目标:①应用于短期电力负荷预测,辅助电网调度与发电计划制定;②作为教学案例帮助理解KNN回归在实际工程中的应用;③为新能源接入、需求响应、智慧能源系统提供数据支持;④搭建可解释性强、易于部署的轻量级预测模型原型; 阅读建议:建议结合MATLAB代码实践操作,重点关注特征构造、参数调优与结果可视化部分,深入理解KNN在时序数据中的适应性改进方法,并可进一步拓展至集成学习或多模型融合方向进行研究与优化。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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
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