hdu5225

本文介绍了一道关于计算所有字典序小于给定排列的1-n排列的逆序对数之和的问题。通过DFS算法结合数位DP思想,文章详细阐述了解决方案,包括如何递归地计算逆序对数、预处理排列数及其逆序对总和等关键步骤。

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

小明和他的逆序对数

题目描述:

Tom学会了通过写程序求出一个1-n的排列的逆序对数,但他的老师给了他一个难题:
给出一个1-n的排列,求所有字典序比它小的1-n的排列的逆序对数之和。
Tom一时不知道该怎么做,所以他来找你帮他解决这个问题。
因为数可能很大,答案对109+7取模。

输入情况:
输入包含多组数据(大约20组)。对于每一组数据,第一行一个正整数n,第二行n个数,是一个n的排列。
n≤100

题解:

字典序比它小,有点类似于数位dp的dfs写法。只考虑当前位,之前的都已经考虑过,然后当前位可以不顶着放,于是后面的排列数就是阶乘,并且提前用dp预处理出i个排列数的逆序对总和,那么就只有他本身提供的逆序对数了,然后看当前还能用的有几个比它小的,然后就会算了。之后是顶着它放数,后面的对ans的逆序对影响留到后面的dfs中去改,而后面一共有多少种放法用dfs的返回值来得到。

重点:

关键是一位一位的放,分成顶着放和不顶着放,然后看情况需要什么搞出来什么。

代码:
#include <iostream>
#include <cstdio>
#include <cstring>
#include <string>
#include <cmath>
#include <ctype.h>
#include <limits.h>
#include <cstdlib>
#include <algorithm>
#include <vector>
#include <queue>
#include <map>
#include <stack>
#include <set>
#include <bitset>
#define CLR(a) memset(a, 0, sizeof(a))
#define REP(i, a, b) for(ll i = a;i < b;i++)
#define REP_D(i, a, b) for(ll i = a;i <= b;i++)

typedef long long ll;

using namespace std;

const ll maxn = 1e2 + 10;
const ll M = 1e9 + 7.4;
ll f[maxn], jiecheng[maxn];
ll n;
ll vis[maxn], a[maxn];
ll ans;
ll key;

ll pow_mod(ll x, ll n)
{
    if(n==0)
        return 1;
    ll xx = x*x%(M);
    ll nn = n/2;
    ll ans = pow_mod(xx, nn);
    if(n%2==1)
    {
        ans = (ans*x)%(M);
    }
    return ans;
}

void getKey()
{
    key = pow_mod(2, M-2);
}

ll dfs(ll pos)//整到题的关键在这。
{
    if(pos >= n + 1)//因为要严格小于
        return 0;
    vector<ll> xiao;//有几个比它小的并且没用的
    REP_D(i, 1, a[pos] - 1)
    {
        if(vis[i]==0)
        {
            xiao.push_back(i);
        }
    }
    ll num = 0;
    REP(i, 0, xiao.size())//算没有顶着来的情况
    {
        //ll x = xiao[i];
        ans = ((ans + f[n-pos])%M + i*jiecheng[n-pos]%M)%M;//直接改ans
        num = (num + jiecheng[n-pos])%M;
    }
    vis[a[pos]] = 1;
    ll tmp = dfs(pos + 1);//之后的会在dfs中改
    num = (num+tmp)%M;
    ans = (ans + xiao.size()*tmp%M)%M;//当前位的影响
    return num;
}
void getJiecheng()
{
    //ll tmp = 1;
    jiecheng[0] = 1;
    jiecheng[1] = 1;
    for(ll i = 2; i <= 100; i++)
    {
        jiecheng[i] = (jiecheng[i-1]*i)%M;
    }
}
void getF()
{
    f[1] = 0;
    f[2] = 1;
    REP_D(i, 3, 100)
    {
        f[i] = (f[i-1]*i%M + jiecheng[i-1]*i%M*(i-1)%M*key%M)%M;
        //printf("--%I64d---   %I64d\n", i, f[i]);
    }
}
void solve()
{
    ans = 0;
    CLR(vis);
    dfs(1);
    printf("%I64d\n", ans);
}
ll readin()
{
    char t;
    t = getchar();
    while(!isdigit(t))
        t = getchar();
    ll ans = 0;
    while(isdigit(t))
    {
        ans = ans*10 + t-'0';
        t = getchar();
    }
    return ans;
}

int main()
{
    freopen("2Bin.txt", "r", stdin);
    //freopen("3Bout.txt", "w", stdout);
    getKey();
    getJiecheng();
    getF();
    while(scanf("%I64d", &n) != EOF)
    {
        REP_D(i, 1, n)
        {
            ll t = readin();
            a[i] = t;
        }
        solve();
    }
    return 0;
}
内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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