hdu 6513 Reverse It

本文探讨了一种矩阵组合中避免重复计数的方法,通过分析四种不同情况下的矩形相交模式,提出了一套递推公式来计算多余计数,并最终给出了一个C++实现的代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

狂化使你失去了除了dp以外的所有技能:

容易发现牌面的初始状态不会对结果造成影响。

那么我们将组合分类,有几种情况会造成计数重复:

1.两个矩形横向或者纵向相交在一起,这等价于除去交集外的一个或两个矩形;
2.两个矩形未相交呈L型,这等价于另两个矩形或一个矩形包含在另一个矩形的端点上;
3.两个矩形相交呈L型,这等价于两个对角相接的矩形;
4.两个矩形未相交且相连在一起,这等价于他们的并集,另一个较大的矩形。

f(i,l,r)f(i,l,r)f(i,l,r)表示第以iii行区间[l,r][l,r][l,r]为顶边的矩形产生的多余的计数。按情况分析:

1:
f(i,l,r)=f(i−1,l,r)+∑k=m−r+1m−l+1k−(m−r+1)+2∑k=1n−ikf(i,l,r)=f(i-1,l,r)+\sum_{k=m-r+1}^{m-l+1}k-(m-r+1)+2\sum_{k=1}^{n-i}kf(i,l,r)=f(i1,l,r)+k=mr+1ml+1k(mr+1)+2k=1nik

2:
f(i,l,r)=f(i−1,l,r)+2(n−i)(m−r)+2(n−i)(l−1)f(i,l,r)=f(i-1,l,r)+2(n-i)(m-r)+2(n-i)(l-1)f(i,l,r)=f(i1,l,r)+2(ni)(mr)+2(ni)(l1)

3:
f(i,l,r)=f(i−1,l,r)+2(n−i)(m−r)+2(n−i)(l−1)f(i,l,r)=f(i-1,l,r)+2(n-i)(m-r)+2(n-i)(l-1)f(i,l,r)=f(i1,l,r)+2(ni)(mr)+2(ni)(l1)

4:
f(i,l,r)=f(i−1,l,r)+(n−i)+(m−r)+4(n−i)(r−l)f(i,l,r)=f(i-1,l,r)+(n-i)+(m-r)+4(n-i)(r-l)f(i,l,r)=f(i1,l,r)+(ni)+(mr)+4(ni)(rl)

fff没有统计自己选自己产生的情况,所以最后计数也没必要计算这类情况。
结果即为X−∑i=1n∑1≤l≤r≤mf(i,l,r)X-\sum_{i=1}^n\sum_{1\le l\le r\le m}f(i,l,r)Xi=1n1lrmf(i,l,r)XXX为组合总数。

#include<functional>
#include<algorithm>
#include<iostream>
#include<cstring>
#include<cstdio>
using namespace std;
typedef long long ll;
#define clr(a) memset(a,0,sizeof(a))
const ll md=1e9+7;
//--Container
//--
int n,m;ll dp[110][110],_dp[110][110][110];char cz[110];
inline int _dq(int l,int r){
    return (l+r)*(r-l+1)/2;
};
inline ll _ldq(ll l,ll r){
    return (l+r)*(r-l+1)/2;
};
bool cl(){
    int i,j,k,d,t;ll ts,rs;if(scanf("%d %d",&n,&m)==-1)return 0;
    for(i=0;i<n;scanf("%s",cz),++i);
    for(rs=0,clr(dp),i=n;i;--i)for(j=m;j;--j)dp[i][j]=dp[i+1][j]+m-j+1;
    for(clr(_dp),i=n;i;--i)for(j=1;j<=m;++j)for(k=j;k<=m;++k){
        _dp[i][j][k]=_dp[i+1][j][k]+4*(n-i)*(m-k)+4*(n-i)*(j-1);
        _dp[i][j][k]+=(n-i)+(m-k);
        _dp[i][j][k]+=_dq(m-k+1,m-j+1)-(m-k+1);
        _dp[i][j][k]+=_dq(1,n-i)*2;
        _dp[i][j][k]+=(n-i)*(k-j)*4;
        rs-=_dp[i][j][k];
    }
    for(++rs,ts=0,j=m;j;--j)for(i=n;i;--i){
        rs+=dp[i][j]*ts;if(dp[i][j]>1)rs+=_ldq(1,dp[i][j]-1);ts+=dp[i][j];rs+=dp[i][j];
    }
    printf("%I64d\n",rs);
    return 1;
};
int main(){
#ifndef ONLINE_JUDGE
    freopen("in.txt","r",stdin);
    freopen("out.txt","w",stdout);
#endif // ONLINE_JUDGE
    while(cl());
    return 0;
};
内容概要:本文针对国内加密货币市场预测研究较少的现状,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
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