ZOJ 3738 Buy the Pets

本文探讨了状压DP在解决人与猫、狗的问题中的应用,通过复杂度分析展示了不同情况下的解决方案,并提供了算法实现细节。

状压DP。。。

一个人和猫的DP,一个是狗和猫的DP。

人和猫的DP复杂度是n^2*(1<<m),狗和猫的复杂度是n^3*(1<<m);

因为n个人都是要用完的按顺序DP即可,但是狗不一定要用完,要计算对应n的数量的狗的方案数

#include <algorithm>
#include <cstring>
#include <cmath>
#include <cstdio>
using namespace std;
bool cant1[11][11], cant2[11][11];
long long dp1[11][1130], dp2[11][1130];
int main()
{
    int i, j, k, r, n, m, p, q, a, b;
    while(~scanf("%d%d%d",&n,&m,&p)){
        memset(cant1,0,sizeof(cant1));
        memset(cant2,0,sizeof(cant2));
        scanf("%d",&q);
        for(i=1;i<=q;i++){
            scanf("%d%d",&a,&b);
            if(b<=n+m&&b>=n+1) swap(a,b);
            a-=n;
            if(b>=n+m+1){
                cant2[b-n-m-1][a-1]=1;
            }else{
                cant1[b-1][a-1]=1;
            }
        }
        memset(dp1,0,sizeof(dp1));
        memset(dp2,0,sizeof(dp2));
        int all=1<<m;
        dp1[0][0]=dp2[0][0]=1;
        for(i=1;i<=n;i++){
            for(j=0;j<all;j++){
                if(!dp1[i-1][j]) continue;
                for(k=0;k<m;k++){
                    if(j&(1<<k)||cant1[i-1][k]) continue;
                    dp1[i][j|(1<<k)]+=dp1[i-1][j];
                }
            }
        }
        for(i=1;i<=p;i++){
            for(r=p;r>=1;r--){
                for(j=0;j<all;j++){
                if(!dp2[r-1][j]) continue;
                    for(k=0;k<m;k++){
                        if(j&(1<<k)||cant2[i-1][k]) continue;
                        dp2[r][j|(1<<k)]+=dp2[r-1][j];
                    }
                }
            }
        }
        long long ans=0;
        for(j=0;j<all;j++)
            ans+=dp1[n][j]*dp2[n][j];
        printf("%lld\n",ans);
    }
    return 0;
}


【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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