poj 2411 Mondriaan's Dream(状态压缩dp)

Description

Squares and rectangles fascinated the famous Dutch painter Piet Mondriaan. One night, after producing the drawings in his ‘toilet series’ (where he had to use his toilet paper to draw on, for all of his paper was filled with squares and rectangles), he dreamt of filling a large rectangle with small rectangles of width 2 and height 1 in varying ways.

Expert as he was in this material, he saw at a glance that he’ll need a computer to calculate the number of ways to fill the large rectangle whose dimensions were integer values, as well. Help him, so that his dream won’t turn into a nightmare!

Input

The input contains several test cases. Each test case is made up of two integer numbers: the height h and the width w of the large rectangle. Input is terminated by h=w=0. Otherwise, 1<=h,w<=11.

Output

For each test case, output the number of different ways the given rectangle can be filled with small rectangles of size 2 times 1. Assume the given large rectangle is oriented, i.e. count symmetrical tilings multiple times.

Sample Input

1 2
1 3
1 4
2 2
2 3
2 4
2 11
4 11
0 0

Sample Output

1
0
1
2
3
5
144
51205

题意

经典覆盖问题,输入n和m表示一个n×m的矩形,用1*2的方块进行覆盖,不能重叠,不能越出矩形边界,问完全覆盖完整个矩形有多少种不同的方案

状压dp:把状态用比特位的形式表示出来

用状压dp解决问题:

  1. 在横着贴砖的时候,(i, j), (i, j+1) 都是1,这个值其实对下一行如何选择没有影响。
  2. 竖着贴砖的第二个,我们也选择了1, 因为这个砖头结束了,对下一行如何选择依然没有影响。
  3. 竖着贴砖的第二个,我们也选择了1, 因为这个砖头结束了,对下一行如何选择依然没有影响。
    如图所示
    在这里插入图片描述

AC代码

#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
int n,m;
long long dp[15][1<<12];
bool init(int status){//设置初始状态
	for(int j=0;j<m;){//前j-1列符合要求,对第j列进行判断
		if(status&(1<<j)){//第j列为1
			if(j==m-1) return false; //j为最后一列,不可行
			if(status&(1<<(j+1))) j+=2;//第j列和第j+1列都为1 则表示横放,可行,考虑 j+2列
			else return false; //第j列为1,第j+1列都为0不可行
		}
		else j++;//第j列为0 ,则为竖放,可行
	}
	return true;
}
bool check(int now_s,int pre_s){//判断上一次状态和本次状态是否兼容
	for(int j=0;j<m;){
		if(now_s&(1<<j)){//第i行第j列为1
			if(pre_s&(1<<j)){//第i-1行第j列也为1,那么第i行必然是横放
				if(j==m-1||!(now_s&1<<(j+1))||!(pre_s&1<<(j+1))) //第i行和第i-1行的第j+1都必须是1,否则是非法的
					return false;
				else
					j+=2;
			}
			else j++; //第i-1行第j列为0,说明第i行第j列是竖放
		}
		else{//第i行第j列为0,那么第i-1行的第j列应该是已经填充了的
			if(pre_s&(1<<j)) j++;
			else return false;
		}
	}
	return true;
}
void solve(){
	int to=(1<<m)-1;
	memset(dp,0,sizeof(dp));
	for(int i=0;i<=to;i++){
		if(init(i)) dp[1][i]=1;
	}
	for(int i=2;i<=n;i++){//按行dp
		for(int j=0;j<=to;j++){ //第i行的状态
			for(int k=0;k<=to;k++){ //第i-1行的状态
				if(check(j,k)) dp[i][j]+=dp[i-1][k];
			}
		}
	}
	printf("%lld\n",dp[n][to]);
}
int main(){
	while(scanf("%d%d",&n,&m)&&(n||m)){
		if(n&1&&m&1){ //n和m均为奇数的话,矩形面积就是奇数,可知是不可能完全覆盖的
			printf("0\n");
			continue;
		}
		if(n<m) swap(n,m);//交换n和m使n较大m较小,这样能减少状态数
		solve();
	}
	return 0;
} 

参考:https://blog.youkuaiyun.com/u014634338/article/details/50015825

分数阶傅里叶变换(Fractional Fourier Transform, FRFT)是对传统傅里叶变换的拓展,它通过非整数阶的变换方式,能够更有效地处理非线性信号以及涉及时频局部化的问题。在信号处理领域,FRFT尤其适用于分析非平稳信号,例如在雷达、声纳和通信系统中,对线性调频(Linear Frequency Modulation, LFM)信号的分析具有显著优势。LFM信号是一种频率随时间线性变化的信号,因其具有宽频带和良好的时频分辨率,被广泛应用于雷达和通信系统。FRFT能够更精准地捕捉LFM信号的时间和频率信息,相比普通傅里叶变换,其性能更为出色。 MATLAB是一种强大的数值计算和科学计算工具,拥有丰富的函数库和用户友好的界面。在MATLAB中实现FRFT,通常需要编写自定义函数或利用信号处理工具箱中的相关函数。例如,一个名为“frft”的文件可能是用于执行分数阶傅里叶变换的MATLAB脚本或函数,并展示其在信号处理中的应用。FRFT的正确性验证通常通过对比变换前后信号的特性来完成,比如评估信号的重构质量、信噪比等。具体而言,可以通过计算原始信号与经过FRFT处理后的信号之间的相似度,或者对比LFM信号的关键参数(如初始频率、扫频率和持续时间)是否在变换后得到准确恢复。 在MATLAB代码实现中,通常包含以下步骤:首先,生成LFM信号模型,设定其初始频率、扫频率、持续时间和采样率等参数;其次,利用自定义的frft函数对LFM信号进行分数阶傅里叶变换;接着,使用MATLAB的可视化工具(如plot或imagesc)展示原始信号的时域和频域表示,以及FRFT后的结果,以便直观对比;最后,通过计算均方误差、峰值信噪比等指标来评估FRFT的性能。深入理解FRFT的数学原理并结合MATLAB编程技巧,可以实现对LFM信号的有效分析和处理。这个代码示例不仅展示了理论知识在
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