1到2n这2n个数平均分成两份 abs(ai-bi)=k 求个数

探讨了将从1到2n的数均匀分为两组,使得每组排序后,相同位置的数差的绝对值至少为k的问题。通过递归和组合方法,对比两种解决方案的正确性和效率。

输入是两个正整数n和k,把从1到2n这2n个数平均分成两份(每份n个数),每份分别排序,排序完成后的数组假设叫a和b,要求abs(ai-bi)>=k, (相同位置的数差的绝对值不少于k),输出有多少种分法。


Backtrack is straighforward, welcome other better solutions:

from itertools import combinations

class Solution:
    def cal_ways(self, n, k):
        def dfs(toset, sta, y):
            nonlocal k,n
            l = len(sta)
            if (l == n and y == n):
                return 1
            elif (l == y and l+k <= n):
                return 2*dfs(k+toset, sta+[i+toset for i in range(k)], y)
            elif (l == y and l+k > n):
                return 0
            else:
                ret = 0
                if (l < n):
                    ret += dfs(toset+1, sta+[toset], y)
                if ((abs(sta[y]-toset) >= k)):
                    ret += dfs(toset+1, sta, y+1)
                return ret
        res = dfs(1+k, [i+1 for i in range(k)], 0)
        return res

    def cal_direct(self, n, k):
        total = [i+1 for i in range(n*2)]
        cnt,xycnt = 0,0

        for comb in combinations([i+1 for i in range(n*2)], n):
            a = list(comb)
            b = sorted(list(set(total).difference(set(a))))

            if (all(abs(a[i]-b[i]) >= k for i in range(n))):
                cnt += 1
        return cnt >> 1

s = Solution()


for i in range(1,10):
    for j in range(1,i+1):
        res1 = s.cal_ways(i, j)
        res2 = s.cal_direct(i, j)
        if (res1 != res2):
            print("n={0} k={1} res1={2} res2={3}".format(i,j,res1,res2))
print("Finished!!!")

Dependencies are the major difficulty. E.g., n=7, k=3, after arrangement of [1,2,3],the arrangement of 4,5,6 has 3 scenarios:

a=[1, 2, 3, 4, 7, 8, 9] b=[5, 6, 10, 11, 12, 13, 14]
a=[1, 2, 3, 4, 7, 8, 10] b=[5, 6, 9, 11, 12, 13, 14]
a=[1, 2, 3, 4, 7, 8, 11] b=[5, 6, 9, 10, 12, 13, 14]
a=[1, 2, 3, 4, 7, 9, 10] b=[5, 6, 8, 11, 12, 13, 14]
a=[1, 2, 3, 4, 7, 9, 11] b=[5, 6, 8, 10, 12, 13, 14]
a=[1, 2, 3, 4, 7, 10, 11] b=[5, 6, 8, 9, 12, 13, 14]
a=[1, 2, 3, 4, 8, 9, 10] b=[5, 6, 7, 11, 12, 13, 14]
a=[1, 2, 3, 4, 8, 9, 11] b=[5, 6, 7, 10, 12, 13, 14]
a=[1, 2, 3, 4, 8, 10, 11] b=[5, 6, 7, 9, 12, 13, 14]
a=[1, 2, 3, 4, 9, 10, 11] b=[5, 6, 7, 8, 12, 13, 14]
a=[1, 2, 3, 4, 12, 13, 14] b=[5, 6, 7, 8, 9, 10, 11]

a=[1, 2, 3, 5, 7, 8, 9] b=[4, 6, 10, 11, 12, 13, 14]
a=[1, 2, 3, 5, 7, 8, 10] b=[4, 6, 9, 11, 12, 13, 14]
a=[1, 2, 3, 5, 7, 8, 11] b=[4, 6, 9, 10, 12, 13, 14]
a=[1, 2, 3, 5, 7, 9, 10] b=[4, 6, 8, 11, 12, 13, 14]
a=[1, 2, 3, 5, 7, 9, 11] b=[4, 6, 8, 10, 12, 13, 14]
a=[1, 2, 3, 5, 7, 10, 11] b=[4, 6, 8, 9, 12, 13, 14]
a=[1, 2, 3, 5, 8, 9, 10] b=[4, 6, 7, 11, 12, 13, 14]
a=[1, 2, 3, 5, 8, 9, 11] b=[4, 6, 7, 10, 12, 13, 14]
a=[1, 2, 3, 5, 8, 10, 11] b=[4, 6, 7, 9, 12, 13, 14]
a=[1, 2, 3, 5, 9, 10, 11] b=[4, 6, 7, 8, 12, 13, 14]
a=[1, 2, 3, 5, 12, 13, 14] b=[4, 6, 7, 8, 9, 10, 11]

a=[1, 2, 3, 6, 7, 8, 9] b=[4, 5, 10, 11, 12, 13, 14]
a=[1, 2, 3, 6, 7, 8, 10] b=[4, 5, 9, 11, 12, 13, 14]
a=[1, 2, 3, 6, 7, 8, 11] b=[4, 5, 9, 10, 12, 13, 14]
a=[1, 2, 3, 6, 7, 9, 10] b=[4, 5, 8, 11, 12, 13, 14]
a=[1, 2, 3, 6, 7, 9, 11] b=[4, 5, 8, 10, 12, 13, 14]
a=[1, 2, 3, 6, 7, 10, 11] b=[4, 5, 8, 9, 12, 13, 14]
a=[1, 2, 3, 6, 8, 9, 10] b=[4, 5, 7, 11, 12, 13, 14]
a=[1, 2, 3, 6, 8, 9, 11] b=[4, 5, 7, 10, 12, 13, 14]
a=[1, 2, 3, 6, 8, 10, 11] b=[4, 5, 7, 9, 12, 13, 14]
该数据集通过合成方式模拟了多种发动机在运行过程中的传感器监测数据,旨在构建一个用于机械系统故障检测的基准资源,特别适用于汽车领域的诊断分析。数据按固定时间间隔采集,涵盖了发动机性能指标、异常状态以及工作模式等多维度信息。 时间戳:数据类型为日期时间,记录了每个数据点的采集时刻。序列起始于2024年1224日10:00,并以5分钟为间隔持续生成,体现了对发动机运行状态的连续监测。 温度(摄氏度):以浮点数形式记录发动机的温度读数。其数值范围通常处于60至120摄氏度之间,反映了发动机在常规工况下的典型温度区间。 转速(转/分钟):以浮点数表示发动机曲轴的旋转速度。该参数在1000至4000转/分钟的范围内随机生成,符合多数发动机在正常运转时的转速特征。 燃油效率(公里/升):浮点型变量,用于衡量发动机的燃料利用效能,即每升燃料所能支持的行驶里程。其取值范围设定在15至30公里/升之间。 振动_X、振动_Y、振动_Z:这三个浮点数列分别记录了发动机在三维空间坐标系中各轴向的振动强度。测量值标准化至0到1的标度,较高的数值通常暗示存在异常振动,可能与潜在的机械故障相关。 扭矩(牛·米):以浮点数表征发动机输出的旋转力矩,数值区间为50至200牛·米,体现了发动机的负载能力。 功率输出(千瓦):浮点型变量,描述发动机单位时间内做功的速率,取值范围为20至100千瓦。 故障状态:整型分类变量,用于标识发动机的异常程度,共分为四个等级:0代表正常状态,1表示轻微故障,2对应中等故障,3指示严重故障。该列作为分类任务的目标变量,支持基于传感器数据预测故障等级。 运行模式:字符串类型变量,描述发动机当前的工作状态,主要包括:怠速(发动机运转但无负载)、巡航(发动机在常规负载下平稳运行)、重载(发动机承受高负荷或高压工况)。 数据集整体包含1000条记录,每条记录对应特定时刻的发动机性能快照。其中故障状态涵盖从正常到严重故障的四级分类,有助于训练模型实现故障预测与诊断。所有数据均为合成生成,旨在模拟真实的发动机性能变化与典型故障场景,所包含的温度、转速、燃油效率、振动、扭矩及功率输出等关键传感指标,均为影响发动机故障判定的重要因素。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
这段代码中有一些错误,需要进行修正: 1. 第8行的等式末尾需要加上分号,否则会输出sysd的信息。 2. 第12行的等式左右两边的符号不匹配,应该将“=”改为“-”。 3. 第19行的等式中,应该将“-”改为“- ”(减号后面跟一个空格)。 4. 第20行的等式中,应该将“-”改为“- ”,并在最后加上分号。 5. 第22行的等式中,应该将“-”改为“- ”,并在最后加上分号。 6. 第24行的等式中,应该将“-”改为“- ”,并在最后加上分号。 修改后的代码如下: ``` num = 1; den = [1, 1]; % 采样周期T=0.5s T = 0.5; % 零阶保持器法离散化 sys = tf(num, den, 'InputDelay', 0); sysd = c2d(sys, T, 'zoh'); % 大林算法设计数字控制器 n = 2; % 阶数 a = 2*n; b = 1; g = sysd.num{1}; ai = [1, zeros(1, n)]; bi = [0, 0]; for i = 2:n+1 ai(i) = (2-bi(1:i-1)*ai(i-1:-1:1)'-sum((0:i-2).*bi(1:i-2)))*ai(i-1) ... - (1-sum(bi(1:i-1)))*ai(i-2) + (2*n-i+2)*T*(1-bi(1:i-1)*ai(i-1:-1:1)')*g(i-1)/2; bi(i) = (2-bi(1:i-1)*bi(i-1:-1:1)'-sum((0:i-2).*bi(1:i-2)))*bi(i-1) ... - (1-sum(bi(1:i-1)))*bi(i-2) - (2*n-i+3)*T*bi(i-1)*g(i-1)/2; end D = tf(ai, [1, -bi], T); % 差分方程形式 [numd, dend] = tfdata(D, 'v'); u = filter(numd, dend(2:end), ones(1, n+1)*numd(1)); % 输出控制器系数和控制输出 disp('数字控制器D(z)的系数:'); disp(ai./[1, -bi]); disp('控制输出u(k):'); disp(u); ``` 请注意,以上修改仅针对代码语法错误,如果还有其他问题,需要根据具体情况进行调整。
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