Catalan数

本文介绍了一种计算Catalan数的算法,并应用于解决两道编程竞赛题目:一是计算2N个人站成一圈的不同组合数;二是计算由N个节点构成的不同二叉树数量。通过具体代码实现,展示了如何利用Catalan数解决实际问题。

http://acm.hdu.edu.cn/showproblem.php?pid=1134

题意:2N个人依序站成一圈,两两组成一队,不能交叉,组合的组数

http://acm.hdu.edu.cn/showproblem.php?pid=1130

题意:给定N个节点,能构成多少种不同的二叉树。

代码一样,如下:

  1. #include<iostream>  
  2. using namespace std;  
  3. int num[101][101]={0};//强烈怀疑:101错误的写成100.  
  4. ////////////////////////答案就是错误的。Why?  
  5. void Catalan()  
  6. {  
  7.     int i,j;  
  8.     num[0][0]=1;  
  9.     num[1][0]=1;  
  10.     int len=1;  
  11.     int flag;  
  12.     for(i=2;i<101;i++)  
  13.     {  
  14.         //乘4n-2  
  15.         int k=4*i-2;  
  16.         flag=0;  
  17.         for(j=0;j<=len;j++)  
  18.         {  
  19.             int z=flag+num[i-1][j]*k;  
  20.             num[i][j]=z%10;  
  21.             flag=z/10;  
  22.         }  
  23.         while(flag)  
  24.         {  
  25.             num[i][j++]=flag%10;  
  26.             flag/=10;  
  27.         }  
  28.         len=j;flag=0;  
  29.         //除n+1  
  30.         while(j>=0)  
  31.         {  
  32.             int w=num[i][j]+flag*10;  
  33.             num[i][j]=w/(i+1);  
  34.             flag=w%(i+1);  
  35.             j--;  
  36.         }  
  37.     }  
  38. }  
  39. int main()  
  40. {  
  41.     Catalan();  
  42.     int n,i;  
  43.     while(cin>>n&&n>0)  
  44.     {  
  45.         i=99;  
  46.         while(num[n][i]==0)  
  47.         {i--;}  
  48.         while(i>=0)  
  49.         {  
  50.             cout<<num[n][i];  
  51.             i--;  
  52.         }  
  53.         cout<<endl;  
  54.     }  
  55.     return 0;  
  56. }  

http://www.cppblog.com/MiYu/archive/2010/08/07/122573.html(很详细)

http://blog.youkuaiyun.com/hss871838309/article/details/7302105

http://blog.163.com/lz_666888/blog/static/1147857262009914112922803/

http://baike.baidu.com/view/1163998.htm

内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位一体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、字营销管理者及初创科技公司创始人;具备一定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向据与工具双驱动。
【3D应力敏感度分析拓扑优化】【基于p-范全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范应力敏感度分析(Matlab代码实现)内容概要:本文档围绕“基于p-范全局应力衡量的3D应力敏感度分析”展开,介绍了一种结合伴随方法与有限元分析的拓扑优化技术,重点实现了3D结构在应力约束下的敏感度分析。文中详细阐述了p-范应力聚合方法的理论基础及其在避免局部应力过高的优势,并通过Matlab代码实现完整的值仿真流程,涵盖有限元建模、灵敏度计算、优化迭代等关键环节,适用于复杂三维结构的轻量化与高强度设计。; 适合人群:具备有限元分析基础、拓扑优化背景及Matlab编程能力的研究生、科研人员或从事结构设计的工程技术人员,尤其适合致力于力学仿真与优化算法开发的专业人士; 使用场景及目标:①应用于航空航天、机械制造、土木工程等领域中对结构强度和重量有高要求的设计优化;②帮助读者深入理解伴随法在应力约束优化中的应用,掌握p-范法处理全局应力约束的技术细节;③为科研复现、论文写作及工程项目提供可运行的Matlab代码参考与算法验证平台; 阅读建议:建议读者结合文中提到的优化算法原理与Matlab代码同步调试,重点关注敏感度推导与有限元实现的衔接部分,同时推荐使用提供的网盘资源获取完整代码与测试案例,以提升学习效率与实践效果。
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