HDU 3037 Saving Beans(隔板+组合数+lucas)

本文深入探讨了组合数学中隔板法的应用,特别是在求解n个数和不超过m的方案数问题上。通过数学推导,将问题简化为C(n+m,m)的计算,并运用卢卡斯定理进行大数阶乘的高效处理。文章提供了详细的算法实现,包括预处理阶层、快速幂运算和卢卡斯定理的代码实现。

传送门

题意:相当于n个数的和不超过m的方案数。

思路:我们先考虑n个数和等于m的情况,即x1+x2+.......xn=m(允许xi为0)有多少种可能,我们可以想到隔板法,但由于允许0的出现,我们可以用1代表果子,有m个1,在加上n-1个0代表空,然后用n-1块隔板将其分成n份。即C(m+n-1,n-1),

又C(m+n-1,n-1)=C(m+n-1,m),这代表着和为m的方案数。那我们可以得知当和为i的方案数为C(i+n-1,i)个,所以结果res就可以写出;res=C(n-1,0)+C(n,1)+...+C(n+m-1,m)  (感觉已经很接近答案了,但是由于n,m很大,这样还是不行,还需要化简)

*公式 C(n,k) = C(n-1,k)+C(n-1,k-1)

我们就需要通过它来化简,我们可以将C(n-1,0)变成C(n,0),这样就和C(n,1)结合变成了C(n+1,1),一直结合到最后,我们发现式子变成了C(n+m,m),这个就是我们需要求的结果。剩下来只需要套用一下卢卡斯的板子即可。

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxn=1e5+5;
ll n,m,p;
ll fac[maxn];
void getfac(ll p) { //预处理阶层
	fac[0]=1;
	for(int i=1; i<=p; i++)
		fac[i]=fac[i-1]*i%p;
}

ll mypow(ll a,ll n,ll p) { //快速幂运算
	ll ans=1;
	while(n) {
		if(n&1)
			ans=ans*a%p;
		a=a*a%p;
		n/=2;
	}
	return ans;
}

ll lucas(ll n,ll m,ll p) {
	ll ans=1;
	while(n&&m) {
		ll a=n%p;
		ll b=m%p;
		if(a<b) return 0;
		ans=(ans*fac[a]*mypow(fac[b]*fac[a-b]%p,p-2,p))%p;
		n/=p;
		m/=p;
	}
	return ans;
}

int main() {
	int t;
	cin>>t;
	while(t--) {
		cin>>n>>m>>p;
		getfac(p);
		cout<<lucas(n+m,m,p)<<endl;
	}
	return 0;
}

 

内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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