Deranged Exams

探讨了在数据结构和算法考试中,学生随机匹配术语与定义的问题,使用容斥原理计算至少前K次匹配错误的情况数。通过分析对立事件,转化为求最多前K次匹配正确的情况,再利用总可能性减去这些情况得到最终答案。

Deranged Exams
The first question on the Data Structures and Algorithms final exam has a list of N terms and a second list of N definitions. Students are to match each term with the correct definition.
Unfortunately, Joe, who wrote a Visual BASIC program in high school and assumed he knew all
there was to know about Computer Science, did not bother to come to class or read the textbook. Hehas to guess randomly what the matches are. Let S(N, k) be the number of ways Joe can answer the question and get at least the first k matches wrong.
For this problem, you will write a program to compute S(N, k).
Input
The first line of input contains a single integer P, (1 ≤ P ≤ 1000), which is the number of data sets
that follow. Each data set should be processed identically and independently.
Each data set consists of a single line of input containing three space separated decimal integers.
The first integer is the data set number. The second integer is the number, N (1 ≤ N ≤ 17), of terms
to be matched in the question. The third integer is the number, k (0 ≤ k ≤ N), of initial matches to
be incorrect.
Output
For each data set there is a single line of output. It contains the data set number followed by a single
space which is then followed by the value of S(N, k).
Sample Input
4
1 4 1
2 7 3
3 10 5
4 17 17
Sample Output
1 18
2 3216
3 2170680
4 130850092279664

题意

有n个术语和n个定义,学生们需要使得术语与定义一一匹配。小明写了一个VB程序,让计算机来帮它完成这项任务。机器是随机匹配的。问至少前K次匹配是错误的情况有多少种?

分析

  1. 前K次匹配不好求,转换成求对立事件的个数,即求最多前K次匹配正确,再利用 |Ω - 最多前K次正确| 求得前K次匹配错误的情况数。
    至少的对立是至多,前K次匹配错误的对立是前K次匹配不全错误。
  2. 最多前K次匹配正确,分为前K次有i次匹配正确( 1 ≤\leq i ≤\leq k) , 依次求出每种情况,在累加。
  3. 求 前K次有1次匹配正确的时候,发现保证有一个对的情况下 (Ck1C_k^1Ck1An−1n−1A_{n-1}^{n-1}An1n1 ),这会多算有i个对的情况(1 ≤\leq i ≤\leq k)。怎么办?减去多算的,经过演算,发现满足容斥原理。
    在这里插入图片描述
    A: 匹配第一个
    B: 匹配第二个
    C: 匹配第三个

代码

#include <iostream>
using namespace std;
const int N = 110;
typedef long long int LL ;

LL fac[N];
void makeFac(){
    fac[0] = 1;
    for(LL i=1;i<=17;i++)
        fac[i] = fac[i-1]*i;
}

LL C(LL n,LL k){
    return n>=k ? fac[n]/(fac[k]*fac[n-k]) : 0;
}

int main()
{
    makeFac();
    int T;
    cin>>T;
    while(T--) {
        LL i,z,n,k,sum=0;
        cin >> z >> n >> k;
        for(i=1;i<=k;i++)
            i&1 ? sum+=C(k,i)*fac[n-i] : sum-=C(k,i)*fac[n-i];
        cout << z << " " << fac[n]-sum << endl;
    }
    return 0;
}
内容概要:本文围绕EKF SLAM(扩展卡尔曼滤波同步定位与地图构建)的性能展开多项对比实验研究,重点分析在稀疏与稠密landmark环境下、预测与更新步骤同时进行与非同时进行的情况下的系统性能差异,并进一步探讨EKF SLAM在有色噪声干扰下的鲁棒性表现。实验考虑了不确定性因素的影响,旨在评估不同条件下算法的定位精度与地图构建质量,为实际应用中EKF SLAM的优化提供依据。文档还提及多智能体系统在遭受DoS攻击下的弹性控制研究,但核心内容聚焦于SLAM算法的性能测试与分析。; 适合人群:具备一定机器人学、状态估计或自动驾驶基础知识的科研人员及工程技术人员,尤其是从事SLAM算法研究或应用开发的硕士、博士研究生和相关领域研发人员。; 使用场景及目标:①用于比较EKF SLAM在不同landmark密度下的性能表现;②分析预测与更新机制同步与否对滤波器稳定性与精度的影响;③评估系统在有色噪声等非理想观测条件下的适应能力,提升实际部署中的可靠性。; 阅读建议:建议结合MATLAB仿真代码进行实验复现,重点关注状态协方差传播、观测更新频率与噪声模型设置等关键环节,深入理解EKF SLAM在复杂环境下的行为特性。稀疏 landmark 与稠密 landmark 下 EKF SLAM 性能对比实验,预测更新同时进行与非同时进行对比 EKF SLAM 性能对比实验,EKF SLAM 在有色噪声下性能实验
内容概要:本文围绕“基于主从博弈的售电商多元零售套餐设计与多级市场购电策略”展开,结合Matlab代码实现,提出了一种适用于电力市场化环境下的售电商优化决策模型。该模型采用主从博弈(Stackelberg Game)理论构建售电商与用户之间的互动关系,售电商作为领导者制定电价套餐策略,用户作为跟随者响应电价并调整用电行为。同时,模型综合考虑售电商在多级电力市场(如日前市场、实时市场)中的【顶级EI复现】基于主从博弈的售电商多元零售套餐设计与多级市场购电策略(Matlab代码实现)购电组合优化,兼顾成本最小化与收益最大化,并引入不确定性因素(如负荷波动、可再生能源出力变化)进行鲁棒或随机优化处理。文中提供了完整的Matlab仿真代码,涵盖博弈建模、优化求解(可能结合YALMIP+CPLEX/Gurobi等工具)、结果可视化等环节,具有较强的可复现性和工程应用价值。; 适合人群:具备一定电力系统基础知识、博弈论初步认知和Matlab编程能力的研究生、科研人员及电力市场从业人员,尤其适合从事电力市场运营、需求响应、售电策略研究的相关人员。; 使用场景及目标:① 掌握主从博弈在电力市场中的建模方法;② 学习售电商如何设计差异化零售套餐以引导用户用电行为;③ 实现多级市场购电成本与风险的协同优化;④ 借助Matlab代码快速复现顶级EI期刊论文成果,支撑科研项目或实际系统开发。; 阅读建议:建议读者结合提供的网盘资源下载完整代码与案例数据,按照文档目录顺序逐步学习,重点关注博弈模型的数学表达与Matlab实现逻辑,同时尝试对目标函数或约束条件进行扩展改进,以深化理解并提升科研创新能力。
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