csu1979古怪的行列式(还有这种操作)

本文介绍了一种特殊的行列式计算方法,其中涉及到特定数值的特殊处理规则,并使用next_permutation算法来遍历所有可能的排列,从而计算出最终的行列式值。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Description

这几天,子浩君潜心研究线性代数。 行列式的值定义如下:

DET 其中,τ(j1j2...jn)为排列j1j2...jn的逆序数。

子浩君很厉害的,但是头脑经常短路,所以他会按照行列式值的定义去计算,这个行列式子浩君也还是能算对的。但是,在计算的过程中,如果出现连续三行选取的元素为83(S),83(S),82(R)的话,子浩君会忍不住拿走它们:-D,然后这三个数的乘积将被视为1,而其它数值计算不变。那么在子浩君的计算下,最后得到的行列式的值会为多少呢?

Input

数据第一行为一个整数T(T<=50)。 接下来有T组测试数据,每组数据开始有一个整数n(2<=n<=8)。 接下来有n行数字,每行有n个数字,第ith行第jth个数字代表矩阵的第ith行第jth列的数字,保证每个数字在int范围内的非负整数。

Output

输出一个整数,保证在[-(2^63-1), 2^63-1]范围内,即使在子浩君计算过程中也是。

Sample Input

4

2
1 1
0 1

3
83 1 1
0 83 1
0 0 82

3
83 1 1
0 82 1
0 0 83

3
83 1 1
0 83 1
0 1 82

Sample Output

1
1
564898
-82

Hint

例如,当子浩君遇到a11 * a22 * a33 * a44 = 83 * 83 * 82 * 1,会计算成1 * 1 = 1,而83 * 82 * 83 * 1或者83 * 83 * 1 * 82则不会改变运算规则

一开始想着用dfs做,结果一直wa(逆序数定义记不清了我也很绝望)

后来结果大佬指点,了解到一种新的操作 叫next_permutation  详细请看 这个大佬的博客 http://www.cnblogs.com/kuangbin/archive/2012/03/30/2424482.html

总之就是可以持续生成新的排列组合,而我们的行列式本来就是一层层取的,所以对应起来十分方便


代码:

#include<iostream>
#include<algorithm>
using namespace std;
long long nmap[10][10];  //nmap[行][列]
int posi[10];          //代表哪一列
int N;
void init()
{
    for(int i=1;i<=N;i++)
        for(int j=1;j<=N;j++)
            cin>>nmap[i][j];
    for(int i=1;i<=N;i++)
        posi[i]=i;             //因为要得到所有的排列组合,所以一开始得是排序好了的
}
int main()
{
    int T;
    long long sum;
    cin>>T;
    while(T--)
    {
        cin>>N;
        init();
        sum=0;
        do
        {
            long long ans=1;
            int ni=0;int po=1;
            for(int i=1;i<=N;i++)
                for(int j=i+1;j<=N;j++)
                if(posi[i]>posi[j])      //获得逆序数
                ni++;
            if(ni%2)      //逆序数不为偶,那整个行列式就是负的
                po=-1;
            for(int i=1;i<=N;i++)
            {
                if(nmap[i][posi[i]]==82&&nmap[i-1][posi[i-1]]==83&&nmap[i-2][posi[i-2]]==83)
                    ans/=6889;         //这里检查一下前两个数是否为条件限制
                else
                    ans*=nmap[i][posi[i]];
            }
            ans*=po;
            sum+=ans;
        }while(next_permutation(posi+1,posi+N+1));   //愉快的获得下一组排列
        cout<<sum<<endl;
    }
    return 0;
}




内容概要:本文档详细介绍了一个基于MATLAB实现的跨尺度注意力机制(CSA)结合Transformer编码器的多变量时间序列预测项目。项目旨在精准捕捉多尺度时间序列特征,提升多变量时间序列的预测性能,降低模型计算复杂度与训练时间,增强模型的解释性和可视化能力。通过跨尺度注意力机制,模型可以同时捕获局部细节和全局趋势,显著提升预测精度和泛化能力。文档还探讨了项目面临的挑战,如多尺度特征融合、多变量复杂依赖关系、计算资源瓶颈等问题,并提出了相应的解决方案。此外,项目模型架构包括跨尺度注意力机制模块、Transformer编码器层和输出预测层,文档最后提供了部分MATLAB代码示例。 适合人群:具备一定编程基础,尤其是熟悉MATLAB和深度学习的科研人员、工程师和研究生。 使用场景及目标:①需要处理多变量、多尺度时间序列数据的研究和应用场景,如金融市场分析、气象预测、工业设备监控、交通流量预测等;②希望深入了解跨尺度注意力机制和Transformer编码器在时间序列预测中的应用;③希望通过MATLAB实现高效的多变量时间序列预测模型,提升预测精度和模型解释性。 其他说明:此项目不仅提供了一种新的技术路径来处理复杂的时间序列数据,还推动了多领域多变量时间序列应用的创新。文档中的代码示例和详细的模型描述有助于读者快速理解和复现该项目,促进学术和技术交流。建议读者在实践中结合自己的数据集进行调试和优化,以达到最佳的预测效果。
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
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