Arranging Wine

本文探讨了一道关于红酒和白酒排列的问题,通过将问题转化为小球放入盒子的经典数学模型,利用容斥原理解决。详细解析了算法思路,并提供了C++实现代码。

大概在很久之后,做了一道差不多的题,才回来把这道题给补了。

题意是给你n瓶红酒,m瓶白酒,然后把白酒和红酒分成很多堆,红白相间排成一行,然后每堆红酒不超过d瓶,问有多少种方案。

题目给的解释特别有迷惑性,其实我们把一堆平着放,就是求所有的酒排列方案(相邻的红酒不能超过d瓶)。

然后考虑先放白酒,那么白酒与白酒之间有m+1个空位,只要把红酒插进去就行。

就是把n个小球放到m个不同的盒子中,每个盒子不超过d个。

一个很经典的容斥,考虑有至少零个盒子超限,一个盒子超限,两个盒子超限。。。。

求至少有x个盒子超限也很简单,先计算有多少种选x个盒子的方案,然后先把x*(d+1)个小球放进去,剩下的就是普通的球盒模型。

#include <bits/stdc++.h>

using namespace std;

#define N 2000025
#define M 1010
#define ll long long
#define mod 1000000007
#define go(i,a,b) for(int i=(a);i<=(b);i++)
#define dep(i,a,b) for(int i=(a);i>=(b);i--)
#define pb push_back
#define inf 0x3f3f3f3f
#define ld long double
#define pii pair<int,int>
#define vi vector<int>
#define madd(a,b) (a+=(b)%mod)%=mod
#define lowb(c,len,x) lower_bound(c+1,c+len+1,x)-c
#define uppb(c,len,x) upper_bound(c+1,c+len+1,x)-c
#define ls i*2+1
#define rs i*2+2
#define mid (l+r)/2
#define lson l,mid,ls
#define rson mid+1,r,rs
#define root 1,n,0
#define ms(a,b) memset(a,b,sizeof a)
#define muti int T,cas=1;cin>>T;while(T--)
#define lll __int128
#define si short int
#define fi first
#define se second
#define l(x) (x&-x)
#define b(x) (1<<(x))
#define G(x) for( int i=h[x];i;i=eg[i].y )
ll n,m,k,jx[N],inv[N];
int m1=29,m2=34483;
void init(ll p){
    jx[0]=1;go(i,1,N-1)jx[i]=1ll*jx[i-1]*i%p;
    inv[0]=inv[1]=1;go(i,2,N-1)inv[i]=1ll*inv[p%i]*(p-p/i)%p;
    go(i,2,N-1)inv[i]=1ll*inv[i-1]*inv[i]%p;
}
ll c(ll a,ll b){
    return jx[a]*inv[b]%mod*inv[a-b]%mod;
}
ll solve(ll n,ll m,ll k){
    ll res=0;
    for(int i=0;i*k<=n&&i<=m;i++){
        ll tmp=c(m,i)*c(m+n-k*i-1,n-k*i)%mod;
        if(i&1)madd(res,-tmp+mod);
        else madd(res,tmp+mod);
    }
    return res;
}
int main()
{
    init(mod);
    cin>>n>>m>>k;
    cout<<solve(n,m+1,k+1)<<endl;
}

 

【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 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、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课题研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
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