OpenJudge NOI解题秘籍:如何用动态规划吃掉最多糖果?

一本通上的某动态规划题:糖果(openjudge->NOI->2.6->2989) 题目:2989:糖果查看 提交 统计 提问 总时间限制: 1000ms 内存限制: 65536kB 描述由于在维护世界和平的事务中做出巨大贡献,Dzx被赠予糖果公司2010年5月23日当天无限量糖果免费优惠券。在这一天,Dzx可以从糖果公司的N件产品中任意选择若干件带回家享用。糖果公司的N件产品每件都包含数量不同的糖果。Dzx希望他选择的产品包含的... 阅读详情

从“糖果”到“模数”:拆解信息学奥赛中线性动态规划的余数约束艺术

如果你正在备战信息学奥赛,尤其是面对NOI或OpenJudge上那些经典的动态规划题目,你可能会发现,很多题目表面上是关于“最大价值”、“最长序列”或“最优方案”的,但它们的核心难点,往往藏在一个不起眼的“约束条件”里。比如,题目要求你选择的物品总价值必须能被某个数K整除,或者总和模K等于某个特定值。这类问题,就像一道精巧的数学谜题,将朴素的动态规划与数论中的模运算结合了起来。今天,我们不谈空洞的理论,就从一道经典的“糖果”问题出发,一起拆解这类“带模数约束”的线性动态规划,看看如何将抽象的数学条件,转化为清晰、高效的代码逻辑,并掌握一套能举一反三的解题框架。

1. 问题本质:当“选择”遇上“模运算”

我们先抛开具体的题目代码,思考一个更本质的问题:给你N个数字(比如糖果数量),你需要从中选出一部分,使得它们的总和满足某个关于模K的条件(比如能被K整除,即模K余0)。为什么这个问题不能直接用简单的0-1背包解决?

关键在于,传统的0-1背包只关心“总和不大于某个容量”,而这里我们关心的是“总和模K的余数”。总和可能非常大,但余数只有0到K-1这K种可能。这给了我们一个强烈的提示:状态的定义需要从“总价值”维度,转移到“余数”维度。

想象一下,你有一个容量无限的背包,但出口处有一个“余数检测器”。你放入物品的价值会被累加,但检测器只关心最终总价值除以K的余数是否为0。你的目标不是塞满背包,而是让检测器亮绿灯。那么,在挑选物品的过程中,你就需要时刻关注“当前已选物品总价值的余数是多少”,并据此决定下一个物品是否要选。

这就是状态设计的核心思想:以“考虑前i个物品时,总价值模K的余数为j”作为一个状态。我们用 dp[i][j] 来表示这个状态下的最优解(比如最大总价值)。这里,i 是物品的索引(阶段),j 是余数(状态)。通过这种方式,我们将一个可能无限大的总和空间,压缩到了一个有限的、规模为 N * K 的状态空间中。

注意:这里 dp[i][j] 存储的是在满足“余数为j”这个条件下的最大总价值。如果根本不存在一种选择前i个物品的方案能使得余数为j,那么这个状态的值应该被设置为一个“不可能”的值(比如负无穷),以表示其不可达。

这种状态定义的美妙之处在于,它将一个复杂的全局约束(总和模K为0),分解成了一个个局部的、可递推的子问题。我们不再需要记录具体的总和是多少,只需要记录它除以K后的余数,因为对于判断最终是否满足条件而言,余数信息已经足够了。

2. 状态转移:从“要不要选”到“余数如何变化”

定义了状态,接下来就要建立状态之间的联系,也就是状态转移方程。这是动态规划从理论走向实践的关键一步。对于每个物品 i(其价值为 a[i]),当我们考虑状态 dp[i][j](前i个物品,总价值模K余j)时,决策很简单:第 i 个物品,选,还是不选?

  1. 不选第i个物品:那么情况就完全等同于只考虑前 i-1 个物品,并且总价值余数仍然是 j。所以,一种可能的转移是 dp[i][j] = dp[i-1][j]。

  2. 选第i个物品:这就有点意思了。假设我们在前 i-1 个物品中已经选了一些,总价值为 x,且 x % K 的余数是 r。现在我们决定再选上第 i 个物品,那么新的总价值是 x + a[i]。我们希望新的总价值模K等于 j,即:

    (x + a[i]) % K = j
    

    根据模运算的性质 (a + b) % K = (a % K + b % K) % K,我们可以将上式改写为:

    (r + a[i] % K) % K = j
    

    我们的目标是找到那个“前i-1个物品”的余数 r,使得加上 a[i] 后,余数能变成 j。对上面的等式做一下变换,可以解出 r:

    r = (j - a[i] % K + K) % K
    

    这里加上 K 再取模,是为了处理 j - a[i] % K 可能为负数的情况,确保 r 是一个在 [0, K-1] 范围内的合法余数。

    因此,如果我们选择第 i 个物品,并且想要最终余数为 j,那么我们必须确保在前 i-1 个物品中,存在一种选择方案,使得其总价值余数恰好为 r = (j - a[i] % K + K) % K。在这种情况下,新的总价值就是 dp[i-1][r] + a[i]。

将这两种决策结合起来,状态转移方程就清晰了:

dp[i][j] = max(dp[i-1][j], dp[i-1][(j - a[i] % K + K) % K] + a[i])

这个方程的含义是:为了在前 i 个物品中得到余数为 j 的最大总价值,我们有两种选择——要么直接继承前 i-1 个物品的成果(不选i),要么从前 i-1 个物品中构造出一个特定的余数 r,然后加上当前物品的价值(选i)。我们取这两种选择中价值更大的那个。

为了更直观地理解这个转移过程,我们可以看一个简单的例子。假设 K=5,当前物品价值 a[i]=7(a[i] % K = 2)。我们想计算 dp[i][0](余数为0的最大和)。

  • 不选i:dp[i][0] 可能等于 dp[i-1][0]。
  • 选i:我们需要找到前 i-1 个物品中,余数 r = (0 - 2 + 5) % 5 = 3 的最大和,即 dp[i-1][3]。然后加上7,得到 dp[i-1][3] + 7。

最终 dp[i][0] 就是这两者的最大值。这个过程就像是在不同的余数“频道”之间进行切换和累加。

3. 初始化与边界:一切从“空集”开始

任何动态规划都需要一个坚实的起点。对于这个问题,我们的起点是“考虑0个物品”的情况,即 i=0。

  • 初始状态:一个物品都不选,总价值为0。0除以任何数K,余数都是0。所以,dp[0][0] = 0。这表示“选0个物品,总价值余0”的最大总价值就是0。
  • 非法状态:对于其他余数 j(1 <= j < K),在“选0个物品”的情况下,我们不可能得到总价值余数为j(因为总价值只能是0)。这些状态在初始时是“不可达”的。为了在后续的 max 比较中不被误认为有效方案,我们需要将它们初始化为一个“非常小”的值,通常是一个绝对值很大的负数(比如 -INF)。这样,任何试图从这些非法状态转移过来的路径,其价值都会是负无穷,在取最大值时自然会被淘汰。

用代码表示初始化就是:

dp[0][0] = 0;
for (int j = 1; j < K; ++j) {
    dp[0][j] = -INF; // 用一个很大的负数表示负无穷
}

这里的 INF 可以定义为 0x3f3f3f3f 或 INT_MIN / 2 等,确保其绝对值足够大,不会在计算中被“合法”的值覆盖。

4. 代码实现与空间优化:从二维到一维的优雅蜕变

有了状态定义、转移方程和初始条件,我们就可以写出完整的动态规划代码了。最直观的是使用二维数组 dp[N+1][K]。

#include <bits/stdc++.h>
using namespace std;
const int N = 105; // 假设最大物品数
const int INF = 0x3f3f3f3f; // 定义一个很大的数作为“负无穷”

int main() {
    int n, k;
    cin >> n >> k;
    vector<int> a(n + 1);
    for (int i = 1; i <= n; ++i) cin >> a[i];

    vector<vector<int>> dp(n + 1, vector<int>(k, -INF));
    dp[0][0] = 0; // 初始化

    for (int i = 1; i <= n; ++i) {
        int mod_val = a[i] % k; // 预先计算,避免重复求模
        for (int j = 0; j < k; ++j) {
            // 不选第i个物品
            int not_take = dp[i-1][j];
            // 选第i个物品,需要的前置余数
            int prev_mod = (j - mod_val + k) % k;
            int take = dp[i-1][prev_mod] + a[i];
            // 取最大值
            dp[i][j] = max(not_take, take);
        }
    }

    // 最终答案:考虑所有n个物品,总价值模k余0的最大值
    cout << dp[n][0] << endl;
    return 0;
}

这段代码清晰反映了我们之前的推导。但仔细观察内层循环,你会发现 dp[i][j] 只依赖于 dp[i-1][...],即上一行的数据。这是典型的“滚动数组”优化场景。我们可以将二维数组压缩成一维,只保留“当前余数状态”。

优化后的核心循环如下:

vector<int> dp(k, -INF);
dp[0] = 0; // 初始化,对应dp[0][0]=0

for (int i = 1; i <= n; ++i) {
    int mod_val = a[i] % k;
    vector<int> new_dp = dp; // 关键:复制一份上一轮的状态,代表“不选”的继承
    for (int j = 0; j < k; ++j) {
        int prev_mod = (j - mod_val + k) % k;
        // 在“不选”的基础上,尝试“选”的转移
        if (dp[prev_mod] != -INF) { // 确保前置状态可达
            new_dp[j] = max(new_dp[j], dp[prev_mod] + a[i]);
        }
    }
    dp = move(new_dp); // 更新为当前轮的状态
}
cout << dp[0] << endl;

这里有一个关键细节:我们不能直接在原 dp 数组上更新,因为 dp[j] 的新值可能会用到本轮尚未被覆盖的 dp[prev_mod](即上一轮的值)。如果直接覆盖,prev_mod 可能指向一个已经被本轮更新过的值,导致状态依赖错误。所以我们需要一个 new_dp 数组来暂存本轮结果,或者采用“逆序”更新 j 的方式(但这里由于 prev_mod 的计算不是简单的 j-1,逆序更新并不总是安全,复制一份是最稳妥的)。

空间优化后,算法的时间复杂度依然是 O(N * K),但空间复杂度从 O(N * K) 降到了 O(K)。这在K不大但N很大的情况下非常有用。

5. 举一反三:余数约束DP的变体与实战技巧

掌握了“糖果”问题的核心后,我们可以将其思路推广到一系列类似问题。这类问题的共性在于,目标函数(通常是和、差、积等)需要满足一个关于模数的条件。下面我们看几个变体:

变体一:总和模K等于特定值t “糖果”问题是要求模K余0。如果题目改成“总和模K等于t”呢?非常简单,只需要将最终答案从 dp[n][0] 改为 dp[n][t] 即可。状态转移方程完全不变,因为我们在计算每个 dp[i][j] 时,已经涵盖了所有可能的余数 j。

变体二:选择物品个数也有约束 有时题目不仅要求总价值模K满足条件,还可能要求选择的物品数量是某个定值,或者在一定范围内。这时,我们的状态就需要增加一维来表示已选物品的数量。例如,定义 dp[i][c][j] 表示考虑前i个物品、恰好选了c个物品、总价值模K余j的最大总价值。状态转移时,除了考虑“选/不选”对余数j的影响,还要考虑对物品数量c的影响(选则c+1,不选则c不变)。初始化时,dp[0][0][0]=0,其他为负无穷。最终答案可能是在 dp[n][c][0] 中寻找满足c约束的最大值。

变体三:乘积模K 如果约束条件不是总和模K,而是乘积模K呢?例如,从N个数中选若干个数,使得它们的乘积模K等于某个值。思路依然是余数DP,但状态转移时的计算方式变了。假设当前数字是 val,其模K为 m。从状态 dp[i-1][r] 转移到 dp[i][j](选择当前数字)的条件是:

(r * m) % K == j

我们需要找到所有满足 (r * m) % K == j 的 r。这比加法情况下的线性关系 r = (j - m + K) % K 要复杂一些,因为乘法模运算下,一个 j 可能对应多个 r(取决于m和K是否互质)。不过,由于K通常不会太大(否则状态数爆炸),我们可以直接遍历所有可能的 r (0 <= r < K),检查是否满足条件。此时状态转移方程为:

for (int r = 0; r < K; ++r) {
    if ((r * m) % K == j) {
        dp[i][j] = max(dp[i][j], dp[i-1][r] * val); // 假设是求最大乘积
    }
}

当然,还需要考虑不选当前数字的情况 dp[i][j] = max(dp[i][j], dp[i-1][j])。

实战技巧:调试与验证 在竞赛中,这类题目容易因余数计算错误或初始化不当而出错。这里分享几个调试技巧:

  1. 小数据手工模拟:用N=3, K=5这样的小例子,在纸上一步步画出 dp 表格,验证你的状态转移逻辑。
  2. 打印中间状态:在代码中关键步骤后,打印出 dp[i] 数组(或优化后的 dp 数组),观察其变化是否符合预期。特别是检查那些被初始化为负无穷的状态,在后续迭代中是否被正确更新。
  3. 验证边界:测试K=1的情况(任何数模1都余0),测试所有糖果数都能被K整除的情况,测试根本无解的情况(最终 dp[n][0] 是否为初始的0或负值)。
  4. 对比暴力搜索:对于N很小(比如<=20)的情况,可以写一个暴力枚举所有子集的程序,计算其总和并检查模K条件,与你的DP结果对比。这是验证算法正确性的黄金标准。

6. 竞赛中的思维拓展:从线性DP到更复杂的场景

“糖果”问题属于线性动态规划,物品的顺序是固定的。但在信息学奥赛中,余数约束可能出现在更复杂的场景,比如区间DP、树形DP甚至状态压缩DP中。其核心思想是相通的:将模数作为状态的一维,在状态转移时维护模运算的正确性。

例如,考虑一个区间DP问题:给定一个数字序列,你可以在其中添加加号或乘号,求计算结果模K的最大值。这里,状态可以定义为 dp[l][r][m],表示区间 [l, r] 通过某种加乘组合,能得到模K等于m的所有可能结果(或者最大结果)。状态转移时,需要枚举分割点,并根据操作符是加号还是乘号,来组合左右两个子区间的余数状态。

再比如,在树形DP中,如果要求树上一条路径的权值和模K最大,我们可以定义 dp[u][m] 表示在以u为根的子树中,从u开始向下的一条路径,其权值和模K等于m的最大权值和。状态转移需要合并子节点的信息。

面对这些复杂变体,解题步骤可以归纳为:

  1. 识别约束:明确题目中关于模数的限制条件。
  2. 设计状态:在原有DP状态基础上,增加一维表示“当前结果模K的值”。
  3. 推导转移:仔细分析操作(选择、合并、计算等)如何影响模数值。利用模运算的性质 (a op b) % K = ((a % K) op (b % K)) % K(op为加、减、乘),将大数的运算转化为余数之间的运算。
  4. 处理初始化:确定“空”或“起点”状态对应的余数值(通常是0),并将其他余数状态设为非法。
  5. 确定答案:从最终状态中,根据题目要求(最大、最小、计数等)提取答案。

最后,想说的是,动态规划的魅力在于其“以空间换时间”和“记录历史以避免重复计算”的思想。而引入模运算约束,则是给这种思想加上了一层精巧的数学滤镜。它要求我们不仅关注“量”的积累,更关注“质”的分布(余数)。当你再遇到类似“总和模K为某值”的问题时,希望你能立刻联想到“余数DP”这个强大的工具,并自信地构建出状态和方程。多练习几道相关的题目,比如OpenJudge或各大OJ题库中带有“模”、“余数”、“整除”关键词的动态规划题,你会对这种模式越来越熟悉。在竞赛中,这很可能就是帮你拉开差距的关键一步。

信息学奥赛一本通 1300:糖果分配 | OpenJudge NOI 2.6 2990:糖果分配 本文以《信息学奥赛一本通》和OpenJudge NOI中的“糖果分配”问题为例,深入解析了如何运用动态规划解决子集和模运算问题。文章详细阐述了以余数作为状态定义的核心思想、状态转移方程的推导,并提供了C++代码实现、空间优化技巧及常见调试方法,帮助读者掌握此类线性动规问题的通用解法。 阅读详情

相关推荐

信息学奥赛OpenJudge刷题攻略:用贪心算法秒解‘骑车上班’这道题

本文详细解析了信息学奥赛OpenJudge中的‘骑车上班’题目,通过贪心算法实现高效解题。文章从题目本质重构、代码实现细节到竞赛思维训练,全面展示了如何用简洁的贪心算法解决复杂问题,适合NOI参赛选手提升解题能力。

weixin_33713707的博客 504

Open Judge——动态规划练习

Bob在机场看到了一个特别喜欢的礼物,想买来送给朋友Alice,这个礼物的价格是X元。Bob很想知道为了买这个礼物他的哪些硬币是必须被使用的,即Bob必须放弃收集好的哪些硬币种类。对于每条路径,把路径上面的数加起来可以得到一个和,你的任务就是找到最大的和。输入的是一行是一个整数N (1 < N

冷兮雪的博客 826

noi.openjudge:我在noi.openjudge中所做的问题

法官 我在noi.openjudge.com中解决的问题所有代码现在都用C ++编写

OpenJudge - 017 分蛋糕 【动态规划】

总时间限制: 1000ms           内存限制: 65536kB 题目链接:http://cxsjsxmooc.openjudge.cn/2018t2fallsum/017/ 描述 有一块矩形大蛋糕,长和宽分别是整数w 、h。现要将其切成m块小蛋糕,每个小蛋糕都必须是矩形、且长和宽均为整数。切蛋糕时,每次切一块蛋糕,将其分成两个矩形蛋糕。请计算:最后得到的m块小蛋糕中,最大的那块蛋...

MengHao的博客 1382

Android-音频配置文件详解

前言:   Android P 引入了一种新的音频政策配置文件格式 (XML),用于描述音频拓扑。新的 XML 文件支持定义输出输入流配置文件、可用于播放和捕获的设备以及音频属性的数量和类型。但是每个项目的代码里面都有很多音频配置文件,具体使用的是哪个文件呢?本文将详细讲述。 1. 查看运行时具体使用的xml adb shell dumpsys media.audio_policy | grep -iE "Config source:" 结果如下: Config source: /vendor

cheriyou_的博客 3947

Wezterm的安装和简单配置

希望 wezterm 的主题配色,保持和 powershell 默认配色一致,也就是 Compell 主题。目的是在频繁使用 wezterm 时,原本的根据颜色判断文件信息(尤其是WSL里的Linux下,文件和目录颜色)依然可以使用。wezterm 默认用 cmd.exe, 我是 win11,希望默认用 powershell。

baiyu33的博客 4285

动态规划实战:股票买卖问题的最优解策略 | OpenJudge NOI 2.6 8464解析

本文深入解析了动态规划在股票买卖问题中的应用,特别是OpenJudge NOI 2.6 8464题目中的最优解策略。通过详细的状态定义、算法实现和复杂度分析,帮助读者掌握最多两次买卖操作的最大利润计算方法,并探讨了实际应用与常见变种。

gray5的博客 806

RTK_ROS_导航(1): GNSS里程计

1. RTK 配置 4G CORS + 4G 网络 + 户外有信号,不能实现RTK,就恢复出厂设置 输出信息包含(一般需要三个同时打开): GAPPA:包含位置信息 GPVTG:包含速度信息 GPHDT:包含定向的朝向信息 2. ROS驱动 驱动安装sudo apt install ros-noetic-nmea-navsat-driver 运行,需要修改该功能包的启动端口,会自动解析上面的3个RTK语句信息roslaunch nmea_navsat_driver nmea_serial_d

旋风小短腿 4267

【openjudge】开餐馆

描述 北大信息学院的同学小明毕业之后打算创业开餐馆.现在共有n 个地点可供选择。小明打算从中选择合适的位置开设一些餐馆。这 n 个地点排列在同一条直线上。我们用一个整数序列m1, m2, ... mn 来表示他们的相对位置。由于地段关系,开餐馆的利润会有所不同。我们用pi 表示在mi 处开餐馆的利润。为了避免自己的餐馆的内部竞争,餐馆之间的距离必须大于k。请你帮助小明选择一个总利润最大的方案。

zyf2000 3383

Yolov8-pose关键点检测:训练准备篇 | 自己数据集从labelme标注到生成yolo格式的关键点数据

yolov8-pose关键点检测系列:从数据集标记到生成适合yolo的关键点格式

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 5876

万字长文,小白新手怎么开始做YOLO实验,从零开始教!整体思路在这里,科研指南针!

万字长文,小白新手怎么开始做YOLO实验,从零开始教!整体思路在这里,科研指南针!

Coding... 1万+

信息学奥赛一本通 1299:糖果 | OpenJudge NOI 2.6 2989:糖果

【题目链接】 ybt 1299:糖果 OpenJudge 2.6 2989:糖果 【题目考点】 1. 动态规划:线性动规 【解题思路】 1. 状态定义 集合:选择产品的方案 限制:在前几个产品中选择产品,糖果总数除以k后余几 属性: 糖果数量 条件:最大 统计量:糖果总数 状态定义:dp[i][j]在前i个产品中选择产品,糖果总数满足除以k余j,糖果数量最大的产品选择方案的糖果数。(如果前i个产品中选择产品,不存在方案糖果数量除以k余j,那么该值为负无穷。) 初始状态:前0个产品中选择产品,糖果总数为0,除

君义NOIP的博客 2992

直驱风机并网系统次同步振荡机理与振荡源定位方法研究

摘要: 本文针对直驱风机并网系统次同步振荡问题,研究了其产生机理与振荡源定位方法。通过建立系统小信号模型,采用特征值分析法揭示了次同步振荡的产生机制,并分析了电网强度、控制器参数对振荡特性的影响。基于暂态能量流理论,提出了通过计算各元件耗散能量来定位振荡源的方法。在MATLAB/Simulink平台搭建仿真系统验证了所提方法的有效性,为直驱风电场次同步振荡的分析与抑制提供了理论依据。 关键词:直驱风机;次同步振荡;小信号模型;暂态能量;振荡源定位

huanghm88的专栏 104

从零理解动态规划:以OpenJudge糖果题为例的完整思维导图

本文以OpenJudge糖果分配问题为例,详细解析动态规划的核心思想和解题步骤。通过状态定义、转移方程构建和实现优化,帮助读者掌握动态规划在信息学奥赛中的实际应用,提升算法设计能力。文章还提供了思维导图和常见误区分析,适合从零开始学习动态规划的读者。

table的专栏 188

从开发到生产:Power APP 的应用和编程实践

一旦您在开发环境中完成了应用程序的开发、调试和测试,就可以将其部署到生产环境中供用户使用。在 Power APP Studio 中,您可以选择将应用程序发布到 Power APP 网关或将其嵌入到其他应用程序中。使用 Power APP Studio 内置的调试工具,您可以逐步执行应用程序并查看变量的值,以确保逻辑的正确性。在上述代码中,我们通过将两个文本输入框(TextInput1 和 TextInput2)中的文本转换为数字,并将它们相加,将结果存储在 Result 变量中。

2301_79326510的博客 1505

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

noi.openjudge 1944:吃糖果

名名的妈妈从外地出差回来,带了一盒好吃又精美的巧克力给名名(盒内共有 N 块巧克力,20 > N >0)。妈妈告诉名名每天可以吃一块或者两块巧克力。假设名名每天都吃巧克力,问名名共有多少种不同的吃完巧克力的方案。例如:如果N=1,则名名第1天就吃掉它,共有1种方案;如果N=2,则名名可以第1天吃1块,第2天吃1块,也可以第1天吃2块,共有2种方案;如果N=3,则名名第1天可以吃1块,剩2块,也可以第1天吃2块剩1块,所以名名共有2+1=3种方案;如果N=4,则名名可以第1天吃1块,剩3块,也可以第1天吃2块

smartzxf的博客 577

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

noi 2989 糖果

题目链接:http://noi.openjudge.cn/ch0206/2989/ 首先,数据很大,直接用背包会re。 这里增加的是对%k 的余数维度。f[i][j] 表示前 i 种糖果取到总颗数模 k 余数为 j 的最大颗数。 注意一定要先将 f[i-1][j] 转移到 f[i][j] ,再枚举余数dp,不然会有重叠。答案是 f[n][0]; #include <bits/st...

weixin_33905756的博客 297

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

openjudge1944 吃糖果

描述名名的妈妈从外地出差回来,带了一盒好吃又精美的巧克力给名名(盒内共有 N 块巧克力,20 > N >0)。妈妈告诉名名每天可以吃一块或者两块巧克力。假设名名每天都吃巧克力,问名名共有多少种不同的吃完巧克力的方案。例如:如果N=1,则名名第1天就吃掉它,共有1种方案;如果N=2,则名名可以第1天吃1块,第2天吃1块,也可以第1天吃2块,共有2种方案;如果N=3,则名名第1天...

weixin_30470857的博客 152

openjudge-NOI 2.6-1944 吃糖果

题目链接:http://noi.openjudge.cn/ch0206/1944/ 题解:  递推,题目中给出了很详细的过程,不讲解 1 #include<cstdio> 2 int n; 3 int work(int x) 4 { 5 if(x==1)return 1; 6 if(x==2)return 2; 7 return...

weixin_30895603的博客 140

openjudge-NOI 2.6基本算法之动态规划 专题题解目录

1、1759 最长上升子序列 2、1768 最大子矩阵 3、1775 采药 4、1808 公共子序列 5、1944 吃糖果 6、1996 登山 7、2000 最长公共子上升序列 8、2718 移动路线 9、2728 摘花生 10、2985 数字组合 11、2988 计算字符串距离 转载于:https://www.cnblogs.com/xqmmcqs/p/5979056....

weixin_30652491的博客 400

神奇的动态规划---核电站(openjudge)

9267:核电站 总时间限制: 5000ms 单个测试点时间限制: 1000ms 内存限制: 131072kB 描述 一个核电站有N个放核物质的坑,坑排列在一条直线上。如果连续M个坑中放入核物质,则会发生爆炸,于是,在某些坑中可能不放核物质。任务:对于给定的N和M,求不发生爆炸的放置核物质的方案总数 输入 只一行,两个正整数N,M( 1 < N < 50,2 ≤ M ≤ 5 )输出 一个正

MityKif的博客 786

[openjudge-动态规划]滑雪

题目描述描述Michael喜欢滑雪百这并不奇怪, 因为滑雪的确很刺激。可是为了获得速度,滑的区域必须向下倾斜,而且当你滑到坡底,你不得不再次走上坡或者等待升降机来载你。Michael想知道载一个区域中最长的滑坡。区域由一个二维数组给出。数组的每个数字代表点的高度。下面是一个例子 1 2 3 4 5 16 17 18 19 6 15 24 25 20 7 14 23 22 21 8 13 12

Panda_Hu's blog 1329

OpenJudge_P2985 数的组合(DP)

总时间限制: 1000ms 内存限制: 65536kB 描述 有n个正整数,找出其中和为t(t也是正整数)的可能的组合方式。如: n=5,5个数分别为1,2,3,4,5,t=5; 那么可能的组合有5=1+4和5=2+3和5=5三种组合方式。 输入 输入的第一行是两个正整数n和t,用空格隔开,其中1<=n<=20,表示正整数的个数,t为要求的和(1<=t<=1000) 接下来的一行是n个

BeiYu 950

[openjudge-动态规划]摘花生

题目描述描述Hello Kitty 想摘点花生送给她喜欢的米老鼠。她来到一片有网格状道路的矩形花生地(如下图),从西北角进去,东南角出来。地里每个道路的交叉点上都有种着一株花生苗,上面有若干颗花生,经过一株花生苗就能摘走该它上面所有的花生。Hello Kitty只能向东或向南走,不能向西或向北走。问Hello Kitty 最多能够摘到多少颗花生。 输入第一行是一个整数T,代表一共有多少组数据。1<

Panda_Hu's blog 1208

openjudge 6256 带通配符的字符串匹配(动态规划)

6252:带通配符的字符串匹配 查看提交统计提问 总时间限制: 1000ms 内存限制: 65536kB 描述 通配符是一类键盘字符,当我们不知道真正字符或者不想键入完整名字时,常常使用通配符代替一个或多个真正字符。通配符有问号(?)和星号(*)等,其中,“?”可以代替一个字符,而“*”可以代替零个或多个字符。  你的任务是,给出一个带有通配符的字

ninesun的博客 2075
上一篇: 点云法向量估计实战:用Python+Open3D实现5分钟快速计算(附避坑指南)
下一篇: 智能家居DIY:用树莓派+海康摄像头搭建低成本监控系统(支持RTSP推流)
php55
博客等级 码龄15年 51粉丝 1553原创
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  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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