P8395 [CCC 2022 S1] Good Fours and Good Fives

信奥赛CSP-J复赛集训(数学思维专题)(17):[CCC 2022 S1] Good Fours and Good Fives 信奥赛CSP-J复赛集训(数学思维专题)(17):[CCC 2022 S1] Good Fours and Good Fives 阅读详情

记录87

#include<bits/stdc++.h>
using namespace std;
const int N=1e6+10;
int dp[N];
int main(){
	int n;
	cin>>n;
	dp[0]=1;// 开始的第一个方案,以它为迭代
	for(int i=4;i<=n;i+=4) dp[i]+=dp[i-4];
	for(int i=5;i<=n;i++) dp[i]+=dp[i-5];
	cout<<dp[n];
	return 0;
} 

题目传送门https://www.luogu.com.cn/problem/P8395


突破口

14=5+5+4

20=4+4+4+4+4 或 20=5+5+5+5

40=4+4+4+4+4+4+4+4+4+4 或 40=4+4+4+4+4+5+5+5+5 或 40=5+5+5+5+5+5+5+5

当然,4 和 5 的顺序并不重要,重要的是他们的个数。

给你一个正整数 n,问有多少种方法可以用 4 和 5 拼凑成 n。


思路

🎯 问题本质

给定一个正整数 n,问有多少种非负整数解 (x, y) 满足:

4x+5y=n4x+5y=n

其中 x 是 4 的个数,y 是 5 的个数。
顺序不重要 → 只关心用了多少个 4 和多少个 5,不关心排列顺序。

✅ 这是一个完全背包计数问题:
物品:4 和 5(每种无限个)
背包容量:n
问:恰好装满背包的方案数?


🧠 动态规划设计(完全背包)

状态定义
  • dp[i] 表示用 4 和 5 恰好拼出 i 的方案数
初始状态
  • dp[0] = 1:拼出 0 有一种方案 —— 什么都不选
状态转移
  • 先考虑只用 4:
    dp[i] += dp[i - 4](如果 i ≥ 4)
  • 再考虑加入 5:
    dp[i] += dp[i - 5](如果 i ≥ 5)

⚠️ 注意:必须按“物品”顺序处理,避免重复计数!
正确做法是:外层枚举物品,内层枚举容量(完全背包标准写法)

但本题只有两个物品(4 和 5),所以可以分两步:

  1. 先用 4 更新所有能被 4 拼出的数
  2. 再用 5 去更新(在已有基础上加 5)

这样就能保证:每个方案只按“先 4 后 5”的方式计数一次,不会重复。


代码解析

#include<bits/stdc++.h>
using namespace std;
const int N = 1e6 + 10;
int dp[N];
  • 定义 dp 数组,大小 1e6+10(满足 n ≤ 1e6)
int main(){
    int n;
    cin >> n;
    dp[0] = 1; // 基础:拼出 0 有 1 种方案(空方案)

🔹 第一步:只用数字 4

    for(int i = 4; i <= n; i += 4)
        dp[i] += dp[i - 4];
  • 从 4 开始,每次加 4
  • dp[4] += dp[0] = 1 → dp[4] = 1
  • dp[8] += dp[4] = 1 → dp[8] = 1
  • ...
  • 结果:所有 i % 4 == 0 的位置 dp[i] = 1,其余仍为 0

✅ 这表示:仅用 4 能拼出的数,每种只有 1 种方案


🔹 第二步:加入数字 5(完全背包)

    for(int i = 5; i <= n; i++)
        dp[i] += dp[i - 5];
  • 从 5 到 n,顺序遍历
  • 对每个 i,加上“去掉一个 5 后的方案数”
  • 因为是顺序遍历,所以允许多次使用 5(完全背包特性)

💡 举例:

  • i=9: dp[9] += dp[4] = 1 → 表示 4+5
  • i=13: dp[13] += dp[8] = 1 → 4×2 + 5
  • i=14: dp[14] += dp[9] = 1 → 4 + 5×2 → 总方案数 1 ✅

🔚 输出答案

    cout << dp[n];
    return 0;
}

🧪 样例验证

样例 1:n = 14

  • 4 的倍数:4,8,12 → dp[4]=dp[8]=dp[12]=1
  • 加入 5:
    • dp[9] = dp[4] = 1
    • dp[13] = dp[8] = 1
    • dp[14] = dp[9] = 1
  • 其他组合?5×2 + 4 = 14 → 只有这一种
  • 输出 1 ✅

样例 2:n = 40

可能的 (x, y) 满足 4x + 5y = 40:

  • y=0 → x=10
  • y=4 → x=5 (5×4=20, 4×5=20)
  • y=8 → x=0
    → 共 3 种 ✅

代码计算:

  • dp[40] 会累加:
    • 仅用 4:1 种
    • 用 4 个 5:dp[20](此时 dp[20] 已包含 4×5 和 5×4?)

等等,我们验证 dp[20]:

  • 仅用 4:dp[20] = 1
  • 加入 5 后:
    • dp[20] += dp[15]
    • dp[15] += dp[10]
    • dp[10] += dp[5]
    • dp[5] += dp[0] = 1
    • 所以 dp[5]=1, dp[10]=1, dp[15]=1, dp[20]=1+1=2
  • 那么 dp[40]:
    • 初始(仅4):1
    • dp[40] += dp[35]
    • dp[35] += dp[30]
    • ... 最终 dp[40] = 3 ✅

样例 3:n = 6

  • 无法用 4 和 5 拼出 6(4<6<8,5<6<10,且 4+5=9>6)
  • dp[6] 始终为 0 → 输出 0 ✅

⚠️ 为什么这个顺序是对的?

  • 先处理 4:确保所有“纯 4”方案被记录
  • 再处理 5:在已有方案(含 4)基础上,添加任意多个 5
  • 由于 5 是从小到大顺序遍历,所以:
    • dp[i] 包含了使用 0 个、1 个、2 个……5 的所有方案
  • 而且因为 4 和 5 的处理是分阶段的,不会出现 (4,5) 和 (5,4) 被算两次(因为顺序不重要,本题只计组合,不计排列)

总结

要点说明
模型完全背包计数问题
状态dp[i] = 拼出 i 的方案数
初始化dp[0] = 1
转移先用 4 更新,再用 5 顺序更新
复杂度O(n),满足 n ≤ 1e6
AI 应用开发 × 算法面试题:业务场景实战 12 题【TopK、LRU、RRF 融合、相似度、限流算法,含手撕代码与底层答案】 本文聚焦AI应用岗算法面试新趋势,剖析12道融合业务场景的高频题:从海量日志中挖掘慢查询(分治+小顶堆)、亿级去重(布隆过滤器)、向量与关键词融合排序(RRF)、语义缓存设计(带租户隔离与TTL的LRU)到限流策略(令牌桶+滑动窗口),强调“场景复述→算法选型→手撕代码→生产落地”四步答题框架。突出考察点已从纯算法转向工程权衡、业务理解与系统设计能力,如误判容忍度、实时性与内存预算的平衡,助力开发者应对2026年真实技术挑战。 阅读详情

相关推荐

基于MySQL的京东用户行为分析

对京东用户行为的分析,利用AARRR模型进行分析。

SelenaSelena的博客 1912

打卡信奥刷题(650)用C++信奥P8395[普及组/提高] [CCC2022 S1] Good Fours and Good Fives

Finn非常喜欢4和5,他认为所有的数都可以用4和5进行相加得出。145542044444或205555404444444444或40444445555或4055555555当然,4和5的顺序并不重要,重要的是他们的个数。给你一个正整数n,问有多少种方法可以用4和5拼凑成n。

Loge谈信奥--一个专注于信奥人的博客 4071

量化交易——量化选股(多因子选股)

就是用过去的股票的收益率对多因子进行回归,得到一个回归方程,然后再把最新的因子值代入回归方程得到一个对未来股票收益的预判,然后再以此为依据进行选股。的方法是建立在市场无效或弱有效的前提之下,随着使用多因子选股模型的投资者数量的不断增加,有的因子会逐渐失效,而。就是根据各个因子的大小对股票进行打分,然后按照一定的权重加权得到一个总分,根据总分再对股票进行筛选。另一方面,一些因子可能在过去的市场环境下比较有效,而随着市场风格的改变,这些。波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的。

jiucaixiuyang的博客 1793

P8395 [CCC 2022 S1] Good Fours and Good Fives - 数学优化解法

本文提出了一种高效求解"Good Fours and Good Fives"问题的数学优化方法。通过将问题建模为4x+5y=n的线性方程,利用同余性质(5≡1 mod4)将y的枚举范围缩小为仅需检查满足y≡n mod4的值。算法实现中采用步长4的枚举策略,并加入起始值调整和负数过滤机制,使时间复杂度优化至O(n/20)。该方法在保持代码简洁(约10行核心逻辑)的同时,能正确处理边界情况,已通过包括n=1e6在内的大量测试验证。特别适合处理1≤n≤1e6的大规模数据,具有高效性、鲁棒性和资

Sanhai的博客 329

逆向分析踩坑记:当Frida在x86模拟器上‘看不见’ARM的so文件时,我们该如何手动定位与验证?

本文探讨了在x86模拟器上使用Frida进行逆向分析时,无法检测到ARM架构so文件的解决方案。通过分析内存映射、Frida的视觉盲区及手动定位技术,提供了兼容层、混合调试和原生ARM环境三种实用方案,帮助逆向工程师突破工具限制,实现精准定位与验证。

weixin_27697385的博客 225

ADS Layout设计实战:从参数设置到协同仿真

本文详细介绍了ADS Layout设计的完整实战流程,从新建工程、单位设置、个性化偏好配置等基础操作入手,逐步深入到基板参数配置、端口设置与电磁仿真器选择等核心环节。重点阐述了参数化版图设计与扫描优化、以及原理图与Layout协同仿真的高级技巧,并通过一个微带线低通滤波器设计案例,完整演示了从理论到实现的闭环设计方法,帮助工程师高效、准确地完成高频电路版图设计与验证。

weixin_29268637的博客 802

打卡信奥刷题(200)用Scratch图形化工具信奥P8395 [普及组][CCC2022 S1] Good Fours and Good Fives

Finn非常喜欢4和5,他认为所有的数都可以用4和5进行相加得出。145542044444或205555404444444444或40444445555或4055555555当然,4和5的顺序并不重要,重要的是他们的个数。给你一个正整数n,问有多少种方法可以用4和5拼凑成n。

Loge谈信奥--一个专注于信奥人的博客 2134

STM32外部中断EXTI原理与飞控实时应用实战

外部中断(EXTI)是嵌入式系统中实现事件驱动和实时响应的核心机制,其本质是将外部电平变化转化为可调度的CPU中断事件。基于ARM Cortex-M NVIC架构,EXTI通过GPIO-EXTI-NVIC三级硬件通路实现低延迟信号捕获,具备边沿触发、优先级管理与挂起控制等关键能力。在四轴飞控、工业传感器、人机交互等对毫秒级响应有强需求的场景中,EXTI显著优于轮询方式,兼顾实时性与CPU资源效率。实际开发需严格遵循SYSCFG映射→EXTI配置→NVIC使能的时序逻辑,并规避常见陷阱如中断号误配、伪触发、低

weixin_36382073的博客 66

P8395 Good Fours and Good Fives:从枚举到同余的计数问题全解

计数问题在算法竞赛与工程实践中十分常见,核心是将文字表述抽象为可计算的数学模型。本文从一道经典计数题出发,探讨如何将正整数拆分问题建模为不定方程的非负整数解统计。通过逐步优化思路,从朴素的双重循环枚举,到单变量枚举配合整除判断,再到利用同余性质推导出常数级公式,完整展现了降维思维与数学简化在算法设计中的价值。与此同时,文章对比了完全背包动态规划解法的组合意义,厘清了顺序是否影响方案数的关键区别,并深入分析了循环边界、取模判断等细节陷阱。此类方法论不仅适用于特定题目,更能迁移至硬币找零、方案统计、线性同余等广

weixin_42116058的博客 150

人形机器人 vs 机器狗SLAM:FAST_LIO_LOCALIZATION_HUMANOID的差异化优化方向

《FAST_LIO_LOCALIZATION_HUMANOID在人形与机器狗应用中的差异化优化策略》摘要: 格灵深瞳开源的FAST_LIO_LOCALIZATION_HUMANOID系统针对人形机器人和机器狗提出了差异化优化方案。人形机器人需应对双足步态带来的周期性晃动,通过动态盲区滤波、二阶运动模型补偿步态相位畸变,并修复重力向量计算误差。机器狗则需解决四足高频运动挑战,包括设计自适应地面分割算法、抑制IMU高频振动噪声,以及基于足端接触序列的非匀速运动建模。二者在传感器配置(高度/视角)、运动频率(1-

Studying…… 326

微信小程序 - 强力解决播放视频卡顿问题,小程序使用video组件播放视频或第三方视频插件,会出现卡顿或者无法播放的各种奇怪问题(微信小程序苹果ios/安卓播放视频很卡不流畅、视频太长或文件大等情况)

微信小程序视频组件播放卡顿,微信小程序video组件出现无法播放或卡顿,微信小程序video组件播放时会出现卡顿,微信小程序使用video组件播放视频的时候,会出现卡顿或者无法播放的问题,微信小程序安卓视频播放卡顿问题,微信小程序苹果ios手机播放视频不流畅很卡,加cdn还是卡,uniapp播放视频会有明显的卡顿问题,video视频时卡顿不流畅问题,为什么video组件播放视频卡顿?苹果微信小程序通过video组件播放视频时卡顿,怎么解决?微信小程序video组件出现无法播放或卡顿,设置custom-cac

🏆 前端领域优质创作者 1万+

Good Fours and Good Fives(4和五)(C++)

考完期末,作者又回来更新了!!FinnFinn 非常喜欢 44 和 55,他认为所有的数都可以用 44 和 55 进行相加得出。例:14=5+5+420=4+4+4+4+4或 20=5+5+5+5。40=4+4+4+4+4+4+4+4+4+4 或 40=4+4+4+4+4+5+5+5+5或 40=5+5+5+5+5+5+5+5当然,4和5的顺序并不重要,重要的是他们的个数。给你一个正整数n,问有多少种方法可以用4和5拼凑成n。一行,一个整数n,表示要被拼凑的数。一行,表示方法的数量。如果这个数不能被拼凑,请

Freddy1208的博客 467

Android Framework AudioFlinge 面试题及参考答案

请解释什么是 AudioFlinger? AudioFlinger 是 Android 音频系统中的一个关键服务。它位于 Android 系统的中间层,是连接上层应用和底层音频硬件驱动的重要桥梁。从功能角度来讲,它主要负责音频数据的混合(Mix)以及输出(Output)。 当多个应用程序同时播放音频时,比如一个音乐播放器在播放歌曲,同时手机的闹铃响起,AudioFlinger 就会发挥它的混合功能。它会把这些不同来源的音频数据按照一定的规则和算法混合在一起。这种混合并不是简单的相加,而是要考

大模型大数据攻城狮的专栏 1578

【算法拾光】队列|在每个树⾏中找最⼤值 + 最后⼀块⽯头的重量

本文总结两道经典算法题:一是通过层序遍历(BFS)逐层找最大值,利用队列分层处理,每层维护最大值;二是用大根堆(优先队列)模拟石头碰撞过程,每次取最大两块石头,差值重新入堆,直至剩余一块或无石。前者适用于树的层次遍历,后者适合动态获取最值场景。核心思想:队列用于分层遍历,堆用于高效取极值。

wuqingyigexiaoba的博客 202

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

把 KV Cache 压到 FP4:BitDecoding-FP4 的算法-系统协同设计复盘

长上下文推理卡在KV Cache的显存与带宽上,而现有FP4方案要么精度崩、要么速度废。这篇文章复盘BitDecoding-FP4如何用三个算法补丁加一个系统重构,在B300上把服务吞吐提升2.4–3.0倍,精度几乎不掉。

helloagent的博客 319

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

【算法拾光】链表 哈希表|K个一组翻转链表 + 两数之和

K个一组翻转链表需分段反转,借助哑节点与前驱指针维护连接,避免断链;两数之和利用哈希表实现O(1)查找,空间换时间,高效定位目标组合。前者考察链表指针操作,后者聚焦映射关系构建,均为面试高频题。

wuqingyigexiaoba的博客 341

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

排序算法深度笔记(下):非比较类排序的线性突破与工程边界

排序算法时间复杂度额外空间复杂度稳定性是否基于比较选择排序O(N^2)(O(1))不稳定是冒泡排序O(N^2)(O(1))稳定是插入排序O(N^2)(O(1))稳定是归并排序O(N\log N)(O(N))稳定是快速排序O(N\log N)O(log N)不稳定是堆排序O(N\log N)O(1)不稳定是计数排序(O(N + M))O(M))稳定否基数排序O(N)稳定否桶排序平均O(N) / 最坏O(N^2)

2401_87069538的博客 617

优选算法:分治-归并排序

交易逆序对的总数

Wangshijie1015的博客 154

408 算法 06|堆与 Top-K:最小的 10 个数,到底该用数组还是堆

2022(42) 找 100 万个数里最小的 10 个,官方给了"10 元素有序数组"和"大根堆"两种答案。我把两种都实现并数了比较次数:k=10 时两者几乎打平,k=10000 时堆少 111 倍。另附 2021(42) 计数排序的比较次数与稳定性实测。

m0_56226131的博客 453

算法64,字母异位词分组

代码核心思路是:互为字母异位词的字符串,在对其字符进行排序后,一定会得到相同的字符串。因此,可以将排序后的字符串作为哈希表的键(Key)来进行分组。

sheshibenniaodan的博客 219

408 算法 04|主元素与三元组最小距离:两种“扫描时做决定“的思路

2013(41) 的主元素用摩尔投票一遍选出候选,但真正的考点是"选完必须验票";2020(41) 的三元组最小距离,三指针每次只挪最小的那个,靠的是 D=2×(max−min) 这个恒等式。两套完整 C 代码加真实输出,附官方评分档位表。

m0_56226131的博客 457

牛客周赛165C题(前后缀性质,递推,排序,枚举)

题目大意:给定长度为 `n` 的数组,选择 `k ∈ [1,n]`,将前 `k` 个元素整体翻转,后面的元素不变。要求操作后的整个数组非递减,统计满足条件的 `k` 的数量。题目链接:https://ac.nowcoder.com/acm/contest/141721/C。时间复杂度:O(nlogn)

2501_94316951的博客 175

【MPC 算法】Python 实战:模型预测控制(MPC)算法原理与代码实现

本文介绍模型预测控制(MPC)原理与Python实现。MPC通过滚动优化预测未来状态,结合系统模型、目标函数与约束条件,动态生成最优控制序列。以一阶温度系统为例,使用CVXPY构建凸优化问题,实现加热功率的智能调控。代码包含模型预测、目标函数设计(含温度跟踪与控制平滑惩罚)、输入约束及滚动更新机制。仿真结果表明,MPC能快速稳定温度至目标值60℃,且控制动作平滑合理,体现其在复杂系统中的优越性。

赖德发的博客 70

算法61,判定是否为字符重排

两字符串能互为重排 ⇔。

sheshibenniaodan的博客 227

【前缀和+复合离散化】题解:双色矩形(two)_数据结构_算法优化_预处理_二维前缀和_STL_C++算法竞赛

给定一个 $n \times n$ 的黑白棋盘,初始按 $i+j$ 奇偶染色,经 $k$ 个格子颜色翻转后,求子矩形中黑白格子数差的绝对值最大值。由于 $n$ 可达 $10^9$,但 $k \leq 50$,可离散化关键点。枚举所有由修改点构成的矩形及其四边向外扩展(共 $16$ 种扩展方式),利用二维前缀和快速计算变化量,结合奇偶性判断多出的格子颜色,最终取最大绝对差。时间复杂度为 $O(k^4)$,在 $k \leq 50$ 下可行。

YLCHUP的博客 214

算法62&&63,存在重复元素

判断整数数组中是否有任意元素出现至少两次。:判断数组中是否存在两个。,且索引差值的绝对值。

sheshibenniaodan的博客 105
上一篇: P1115 最大子段和
下一篇: P1968 [CHCI 2001 Regional Competition Seniors] 美元汇率
谢天谢地AC了 | 信奥教练
博客等级 码龄1年 53粉丝 177原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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