ZOJ2425

题目:http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemId=1425


题意很简单,就是给出n,m求n个数下逆序个数为m的最小排列,求出最小排列。

我用的暴力+贪心的方法。 用m与当前个数(也就是剩下需要写出的个数)的最大逆序个数进行比较,容易知道当前逆序最大的个数为s=(n)*(n-1)/2;

如果s==m直接逆序打印没用过的数。如果m<s,那么继续用m与s1=(n-1)(n-2)/2,(n-1个最大逆序个数比较),然后找出没用过的(m-s1+1)个数,即为当前要打印的个数,

如果 m>=s,直接找一个最小没用过的数打印。


一开始没用long long还有各种细节不注意错了好几次,代码写得也很烂,网上好像有其他更简单的方法。


下面是AC代码:

#include<iostream>
#include<cstdio>
using namespace std;
int mark[50005];

int main(){

	int i,j;

	long long n,m,t;

	while(cin>>n>>m){
      // printf("%I64d\n",m);
		if(n==-1&&m==-1)
			break;
		long long s=n*(n-1)/2;
	//	cout<<s<<endl;
	//	printf("%I64d\n",s);
	//	return 0;
		int flag=1;
		t=n;
		for(i=1;i<=n;i++)
			mark[i]=0;

		if(m==0){
			cout<<1;
			for(i=2;i<=n;i++)
				cout<<" "<<i;
			cout<<endl;

		}
		else{


			while(m){
				if(m==s){
					for(i=n;i>=1;i--){

						if(mark[i]==0){
							if(flag){
								flag=0;
								cout<<i;
								mark[i]=1;

							}
							else{
								cout<<" "<<i;
								mark[i]=1;
							}
						}
					}
					break;

				}
				else if(m<s){
					long long nexts=(t-1)*(t-2)/2;
					if(m>nexts){
						long long key=m-nexts;
						int count=0,k;

						for(i=1;i<=n;i++){
							if(count==key+1) break;
							if(mark[i]==0){
								count++;
								k=i;
							}
						}
						if(flag){
							cout<<k;
							flag=0;

						}
						else{
							cout<<" "<<k;
						}
						mark[k]=1;

						m=nexts;
					}
					else{
						for(i=1;i<=n;i++)
							if(mark[i]==0){
								if(flag){
									flag=0;
									cout<<i;
									mark[i]=1;
									break;
								}
								else{
									cout<<" "<<i;
									mark[i]=1;
									break;
								}
							}

					}
				}
				t--;
				s=t*(t-1)/2;
			}
			cout<<endl;
		}
	}



	return 0;
}




【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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