H pair 2019牛客多校第七场

本文介绍了一种使用数位动态规划(数位DP)来解决原本看似复杂的高级数论计数问题的方法。通过分析题目,将问题转化为数位上的动态规划,详细解释了状态转移方程,并提供了完整的代码实现。

传送门:https://ac.nowcoder.com/acm/contest/887/H

这题一直忘了补。。。今天没比赛刚好补了

比赛的时候看见以为是撒高级数论计数题,然而怎么过了这么多人,最后没想到是数位DP。

我们知道对于位运算来说,当高位& >C 或者 高位^ <C,那么就一定能被算进答案里了。

所以从高位开始数位dp

dp[pos][dc][xc][sta][stb][az][bz]表示从最高位到pos+1位所有枚举的情况 的&值与C的大小为dc,^值与C的大小为xc, 当前数字是否等于a的高位的情况sta,b的stb,以及当前a是否为0的情况az,b的bz   :这些状态下最后合法的方案数。

dc和xc 大于C就是2,等于C就是1,小于C就是0.

当前的x高位与a的高位相等sta=1,否则=0,stb一样。

当前x还是0,az=1,否则=0,bz一样。

边界情况是否合法就是 dc=2 || xc=0 而且az=0,bz=0,因为x,y都要>=1

#include<bits/stdc++.h>
using namespace std;

int aa,bb,cc;
int a[32],b[32],c[32];
long long dp[32][3][3][2][2][2][2];
long long ans;
bool vis[32][3][3][2][2][2][2];

inline void prework()
{
	scanf("%d%d%d",&aa,&bb,&cc);
	for(int i=0;i<=31;i++)
	{
		a[i]=(aa>>i)&1;
		b[i]=(bb>>i)&1;
		c[i]=(cc>>i)&1;
	}
	memset(dp,0,sizeof(dp));
	memset(vis,false,sizeof(vis));
}

inline long long dfs(int pos,int dc,int xc,int sta,int stb,int az,int bz)
{
	if(pos<0)
	{
		return (dc==2 || xc==0) && az==0 && bz==0;
	}
	if(vis[pos][dc][xc][sta][stb][az][bz])
		return dp[pos][dc][xc][sta][stb][az][bz];
	vis[pos][dc][xc][sta][stb][az][bz]=true;
	int upx=!(sta && a[pos]==0);
	int upy=!(stb && b[pos]==0);
	int tdc,txc;
	for(int i=0;i<=upx;i++)
		for(int j=0;j<=upy;j++)
		{
			if(dc==1)
			{
				if((i&j)>c[pos])
					tdc=2;
				else if((i&j)<c[pos])
					tdc=0;
				else
					tdc=1;
			}
			else
				tdc=dc;
			if(xc==1)
			{
				if((i^j)>c[pos])
					txc=2;
				else if((i^j)<c[pos])
					txc=0;
				else
					txc=1;
			}
			else txc=xc;
			dp[pos][dc][xc][sta][stb][az][bz]+=
				dfs(pos-1,tdc,txc,sta && i==a[pos],stb && j==b[pos],az && i==0,bz && j==0);
		}
	return dp[pos][dc][xc][sta][stb][az][bz];
}

inline void mainwork()
{
	ans=dfs(31,1,1,1,1,1,1);
}

inline void print()
{
	printf("%lld\n",ans);
}

int main()
{
	int t;
	scanf("%d",&t);
	for(int i=1;i<=t;i++)
	{
		prework();
		mainwork();
		print();
	}
	return 0;
}

 

【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
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