洛谷-5160 WD与循环

本文介绍了一种解决复杂多重循环计数问题的方法,通过数学组合原理和Lucas定理,实现了高效计算满足特定条件的循环组合数量。适用于大规模数据处理和算法优化场景。

题目描述
这天,WD蒟蒻为了解决一个小问题写了个很长很长的for循环:
int cnt = 0;
for (int a_1 = 0; a_1 <= m; a_1++) {
for (int a_2 = 0; a_1 + a_2 <= m; a_2++) {

for (int a_n = 0; a_1 + a_2 + … + a_n <= m; a_n++) {
cnt = (cnt + 1) % 19491001;
}
}
}
printf("%d\n", cnt);
CX过来看了一眼,说:**WD你个笨蛋,这道题不是SB题吗?**WD一脸懵逼,只好请你来教教他啦…

输入格式
第一行一个数T,表示数据组数。接下来每行两个数n,m,分别表示循环重数和每层循环的上界。

输出格式
共TT行,每行一个数表示答案。

输入输出样例
输入 #1
2
2 9
10 14

输出 #1
55
1961256

说明/提示
n,m≤1018, 1≤T≤100,000

解释:很明显模型为
a1+a2,...an≤ma_1+a_2,...a_n \le ma1+a2,...anm的个数
a1+a2...,an=ma_1+a_2...,a_n=ma1+a2...,an=m
Cn+m−1n−1C_{n+m-1}^{n-1}Cn+m1n1
ans=∑i=0MCn−1+in−1ans=\sum\limits_{i=0}^MC_{n-1+i}^{n-1}ans=i=0MCn1+in1

∑i=0MCN−1+iN−1=CN+MM\sum\limits_{i=0}^MC_{N-1+i}^{N-1}=C_{N+M}^Mi=0MCN1+iN1=CN+MM
直接上LUCAS

#include<iostream>
using namespace std;
const int MOD=19491001;
long long fac[MOD+1]={};
void gf(){
    fac[0]=1;
    for(int i=1;i<MOD;i++){
        fac[i]=fac[i-1]*i%MOD;
    }
}
long long pw(long long a,long long n){
    a%=MOD;
    long long ans=1;
    while(n){
        if(n&1){
            ans=ans*a%MOD;
        }
        a=a*a%MOD;
        n/=2;
    }
    return ans;
}
long long C(long long n,long long k){
    if(k>n){
        return 0;
    }
    return fac[n]*(pw(fac[k]*fac[n-k]%MOD,MOD-2))%MOD;
}
long long lucas(long long n,long long m){
    return m?lucas(n/MOD,m/MOD)%MOD*C(n%MOD,m%MOD)%MOD:1;
}
int main(){
	ios::sync_with_stdio(false);
    int t=0;
    cin>>t;
    gf();
    long long n=0,m=0;
    while(t--){
        cin>>n>>m;
        cout<<lucas(n+m,n)<<endl;
    }
    return 0;
}
【轴承故障诊断】加权多尺度字典学习模型(WMSDL)及其在轴承故障诊断上的应用(Matlab代码实现)内容概要:本文介绍了加权多尺度字典学习模型(WMSDL)在轴承故障诊断中的应用,并提供了基于Matlab的代码实现。该模型结合多尺度分析字典学习技术,能够有效提取轴承振动信号中的故障特征,提升故障识别精度。文档重点阐述了WMSDL模型的理论基础、算法流程及其在实际故障诊断中的实施步骤,展示了其相较于传统方法在特征表达能力和诊断准确性方面的优势。同时,文中还提及该资源属于一个涵盖多个科研方向的技术合集,包括智能优化算法、机器学习、信号处理、电力系统等多个领域的Matlab仿真案例。; 适合人群:具备一定信号处理和机器学习基础,从事机械故障诊断、工业自动化、智能制造等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①学习并掌握加权多尺度字典学习模型的基本原理实现方法;②将其应用于旋转机械的轴承故障特征提取智能诊断;③结合实际工程数据复现算法,提升故障诊断系统的准确性和鲁棒性。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注字典学习的训练过程多尺度分解的实现细节,同时可参考文中提到的其他相关技术(如VMD、CNN、BILSTM等)进行对比实验算法优化。
【硕士论文复现】可再生能源发电电动汽车的协同调度策略研究(Matlab代码实现)内容概要:本文档围绕“可再生能源发电电动汽车的协同调度策略研究”展开,旨在通过Matlab代码复现硕士论文中的核心模型算法,探讨可再生能源(如风电、光伏)大规模电动汽车接入电网后的协同优化调度方法。研究重点包括考虑需求侧响应的多时间尺度调度、电动汽车集群有序充电优化、源荷不确定性建模及鲁棒优化方法的应用。文中提供了完整的Matlab实现代码仿真模型,涵盖从场景生成、数学建模到求解算法(如NSGA-III、粒子群优化、ADMM等)的全过程,帮助读者深入理解微电网智能电网中的能量管理机制。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的研究生、科研人员及从事新能源、智能电网、电动汽车等领域技术研发的工程人员。; 使用场景及目标:①用于复现和验证硕士论文中的协同调度模型;②支撑科研工作中关于可再生能源消纳、电动汽车V2G调度、需求响应机制等课题的算法开发仿真验证;③作为教学案例辅助讲授能源互联网中的优化调度理论实践。; 阅读建议:建议结合文档提供的网盘资源下载完整代码,按照目录顺序逐步学习各模块实现,重点关注模型构建逻辑优化算法的Matlab实现细节,并通过修改参数进行仿真实验以加深理解。
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