hdu 2512 一卡通大冒险【dp】【第二类斯特灵数】

文章探讨了在特定情况下,不同数量的一卡通卡片被放置于书籍中的多种方法。通过数学分析,提供了计算不同卡片数量时放置方法总数的方法,包括基本原理、动态转移方程的应用及代码实现。

一卡通大冒险

Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 1928    Accepted Submission(s): 1284


Problem Description
因为长期钻研算法, 无暇顾及个人问题,BUAA ACM/ICPC 训练小组的帅哥们大部分都是单身。某天,他们在机房商量一个绝妙的计划"一卡通大冒险"。这个计划是由wf最先提出来的,计划的内容是,把自己的联系方式写在校园一卡通的背面,然后故意将自己的卡"遗失"在某处(如水房,TD,食堂,主M。。。。)他们希望能有MM看到他们遗失卡,能主动跟他们联系,这样就有机会请MM吃饭了。他们决定将自己的一卡通夹在基本相同的书里,然后再将书遗失到校园的各个角落。正当大家为这个绝妙的计划叫好时,大家想到一个问题。很明显,如果只有一张一卡通,那么只有一种方法,即,将其夹入一本书中。当有两张一卡通时,就有了两种选择,即,将两张一卡通夹在一本书里,或者分开夹在不同的书里。当有三张一卡通时,他们就有了5种选择,即:
{{A},{B},{C}} , {{A,B},{C}}, {{B,C},{A}}, {{A,C},{B}} ,{{A,B,C}} 于是,
这个邪恶计划的组织者wf希望了解,如果ACM训练对里有n位帅哥(即有N张一卡通),那么要把这些一卡通夹到书里有多少种不同的方法。
 

Input
包含多组数据,第一行为n,表示接下来有n组数据。以下每行一个数x,表示共有x张一卡通。(1≤x≤2000).
 

Output
对每组数据,输出一行:不同的方法数,因为这个数可能非常大,我们只需要它除以1000的余数。
 

Sample Input
4 1 2 3 100
 

Sample Output
1 2 5 751

n个卡,最多能放在n个书里边,最少能放在1本书里边,我们规定S(n,k)表示n个卡放在k本书里边有多少种方法。

这里ans【n】=S(n,1)+S(n,2)+.......................+S(n,n);

我们知道,S(n,1)=1;S(n,n)=1;

特殊讨论S(n,k)【其中k从2到n-1】;

一共有两种可能性:

我们从n个卡里边随便拿出一个卡来,这个时候卡分成两部分,一部分是n-1,一部分是1、对于这个1进行讨论有两种可能:

1、单独分在一本书里边,n-1那部分分在k-1本书里边,这个情况表示为S(N-1,k-1);

2、跟n-1本书放在一起(放在k本书里边),S(n-1,k),因为这个卡有K种放置方法。所以表示为K*S(n-1,k);

即其动态转移方程为:
S(n,k)【2<=k<=n-1】=S(n-1,k-1)+k*S(n-1,k);

对应写出代码。求余部分不要忘记:

#include<stdio.h>
#include<string.h>
using namespace std;
#define mod 1000
int dp[2002][2002];
int ans[2002];
int main()
{
    memset(dp,0,sizeof(dp));
    for(int i=1;i<=2000;i++)
    {
        dp[i][0]=0;
        dp[i][i]=1;
        for(int j=1;j<i;j++)
        {
            dp[i][j]=(dp[i-1][j-1]+j*dp[i-1][j])%mod;
        }
    }
    for(int i=1;i<=2000;i++)
    {
        ans[i]=0;
        for(int j=1;j<=i;j++)
        {
            ans[i]=(ans[i]+dp[i][j])%mod;
        }
    }
    int t;
    scanf("%d",&t);
    while(t--)
    {
        int n;
        scanf("%d",&n);
        printf("%d\n",ans[n]);
    }
}








基于径向基函神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
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