nyoj 90 整数划分(一) (dp||递归)

本文探讨了整数划分的概念及应用,详细介绍了利用动态规划和完全背包算法解决整数划分问题的方法,并提供了优化后的代码实现。同时,阐述了递归方法在整数划分中的应用,包括边界条件、特殊情形及通用情况的处理策略。

整数划分

时间限制:3000 ms  |  内存限制:65535 KB
难度:3
描述
将正整数n表示成一系列正整数之和:n=n1+n2+…+nk, 
其中n1≥n2≥…≥nk≥1,k≥1。 
正整数n的这种表示称为正整数n的划分。求正整数n的不 
同划分个数。 
例如正整数6有如下11种不同的划分: 
6; 
5+1; 
4+2,4+1+1; 
3+3,3+2+1,3+1+1+1; 
2+2+2,2+2+1+1,2+1+1+1+1; 
1+1+1+1+1+1。 

输入
第一行是测试数据的数目M(1<=M<=10)。以下每行均包含一个整数n(1<=n<=10)。
输出
输出每组测试数据有多少种分法。
样例输入
1
6
样例输出
11  

一: DP

数据范围比较小,可以直接通过DP打表,重点是如何DP

此题可以转变下思路,转化为完全背包问题,一个数n可以由无数个1,2,3...n-1 ,相加等于n得到 。。。。

背包有1--n种,第i种重量为i,价值为i,

        dp[0] = 1;

        for (i = 1;i <= N;i++)

            for (j = i;j <= N;j++)

                dp[j] += dp[j-i];

 

 未优化

#include<algorithm>
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int dp[15][15];
int main()
{
    for(int i = 0 ; i < 15 ; i++)
        dp[0][i]=0;
    dp[0][0]=1;
    for(int i = 1 ; i < 15 ; i++)
    {
        for(int j = 0 ; j < i ; j++)
            dp[i][j]=dp[i-1][j];
        for(int j = i ; j < 15 ; j++)
            dp[i][j]=dp[i-1][j] + dp[i][j-i];
    }
//    for(int i = 0; i < 15 ;i++)
//    {
//        for(int j = 0 ; j < 15 ; j++)
//        printf("%d ",dp[i][j]);
//        puts("");
//    }
//        for(int i = 0; i < 15 ;i++)
//    {
//        for(int j = 0 ; j <= i  ; j++)
//        printf("%d ",dp[i][j]);
//        puts("");
//    }

    int t,a;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&a);
        printf("%d\n",dp[a][a]);
    }
    return 0;
}

优化过:

 


#include<algorithm>
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int dp[15];
int main()
{
    memset(dp,0,sizeof(dp));
    dp[0]=1;
    for(int i = 1 ; i < 15 ; i++)
    {
        for(int j = i ; j < 15 ; j++)
            dp[j]+=dp[j-i];
    }
    int t,a;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&a);
        printf("%d\n",dp[a]);
    }
    return 0;
}

二:递归

将正整数 n 表示成一系列正整数之和, n=n1+n2+…+nk, 其中 n1>=n2>=…>=nk>=1 , k>=1 。
正整数 n 的这种表示称为正整数 n 的划分。正整数 n 的不同的划分个数称为正整数 n 的划分数,记作 p(n) 。
例如正整数 6 有如下 11 种不同的划分,所以 p(6)=11 。
6;
5+1;
4+2,4+1+1;
3+3,3+2+1,3+1+1+1;
2+2+2,2+2+1+1,2+1+1+1+1;
1+1+1+1+1+1.
在正整数 n 所有不同的划分中,将最大加数 n1 不大于 m 的划分个数记作 q(n,m) ,称它为属于 n 的一个 m 划分。根据 n 和 m 的关系,考虑以下几种情况:  

        (1)  当 n=1 时,不论 m 的值为多少( m>0) ,只有一种划分即 {1};

        (2)  当 m=1 时,不论 n 的值为多少,只有一种划分即 n 个 1 , {1,1,1,...,1};

        (3)  当 n=m 时,根据划分中是否包含 n ,可以分为两种情况:

              (a). 划分中包含 n 的情况,只有一个即 {n} ;

              (b). 划分中不包含 n 的情况,这时划分中最大的数字也一定比 n 小,即 n 的所有 (n-1) 划分。

              因此 q(n,n) =1 + q(n,n-1);

        (4) 当 n<m 时,由于划分中不可能出现负数,因此就相当于 q(n,n);

        (5) 但 n>m 时,根据划分中是否包含最大值 m ,可以分为两种情况:

               (a). 划分中包含 m 的情况,即 {m, {x1,x2,...xi}}, 其中 {x1,x2,... xi}  的和为 n-m ,可能再次出现 m ,因此是( n-m )的 m 划分,因此这种划分个数为 q(n-m, m);

               (b). 划分中不包含 m 的情况,则划分中所有值都比 m 小,即 n 的 (m-1) 划分,个数为 q(n,m-1);

              因此 q(n, m) = q(n-m, m)+q(n,m-1);

 

         综合以上情况,我们可以看出,上面的结论具有递归定义特征,其中( 1 )和( 2 )属于边界条件,( 3 )和( 4 )属于特殊情况,将会转换为情况( 5 )。而情况 ( 5 )为通用情况,属于递推的方法,其本质主要是通过减小 m 以达到边界条件,从而解决问题。其递推表达式如下:

                                                          0                                             n<1 或 m<1

                                                          1                                             n=1 或 m=1

                         q(n,m)     =               q(n,n)                                     n<m

                                                          1+q(n,n-1)                             n=m

                                                           q(n,m-1)+q(n-m,m)              n>m>1

据此,可设计计算 q(n,m) 的递归算法如下。其中,正整数 n 的划分数 P(n)=q(n,n) 。

#include<algorithm>
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int part(int n,int m )
{
    if(n==1||m==1) return 1;
    if(n==m) return part(n,m-1)+1;
    return part(n,m-1)+part(n-m,m);
}
int main()
{
    int t,a,b;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&a);
        b = part(a,a);
        printf("%d\n",b);
    }
    return 0;
}

 

【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究(Matlab代码实现)内容概要:本文围绕【Koopman】遍历论、动态模态分解和库普曼算子谱特性的计算研究展开,重点介绍基于Matlab的代码实现方法。文章系统阐述了遍历理论的基本概念、动态模态分解(DMD)的数学原理及其与库普曼算子谱特性之间的内在联系,展示了如何通过数值计算手段分析非线性动力系统的演化行为。文中提供了完整的Matlab代码示例,涵盖数据驱动的模态分解、谱分析及可视化过程,帮助读者理解并复现相关算法。同时,文档还列举了多个相关的科研方向和技术应用场景,体现出该方法在复杂系统建模与分析中的广泛适用性。; 适合人群:具备定动力系统、线性代数与数值分析基础,熟悉Matlab编程,从事控制理论、流体力学、信号处理或数据驱动建模等领域研究的研究生、博士生及科研人员。; 使用场景及目标:①深入理解库普曼算子理论及其在非线性系统分析中的应用;②掌握动态模态分解(DMD)算法的实现与优化;③应用于流体动力学、气候建模、生物系统、电力系统等领域的时空模态提取与预测;④支撑高水平论文复现与科研项目开发。; 阅读建议:建议读者结合Matlab代码逐段调试运行,对照理论推导加深理解;推荐参考文中提及的相关研究方向拓展应用场景;鼓励在实际数据上验证算法性能,并尝试改进与扩展算法功能。
本系统采用微信小程序作为前端交互界面,结合Spring Boot与Vue.js框架实现后端服务及管理后台的构建,形成套完整的电子商务解决方案。该系统架构支持单商户独立运营,亦兼容多商户入驻的平台模式,具备高度的灵活性与扩展性。 在技术实现上,后端以Java语言为核心,依托Spring Boot框架提供稳定的业务逻辑处理与数据接口服务;管理后台采用Vue.js进行开发,实现了直观高效的操作界面;前端微信小程序则为用户提供了便捷的移动端购物体验。整套系统各模块间紧密协作,功能链路完整闭环,已通过严格测试与优化,符合商业应用的标准要求。 系统设计注重业务场景的全面覆盖,不仅包含商品展示、交易流程、订单处理等核心电商功能,还集成了会员管理、营销工具、数据统计等辅助模块,能够满足不同规模商户的日常运营需求。其多店铺支持机制允许平台方对入驻商户进行统管理,同时保障各店铺在品牌展示、商品销售及客户服务方面的独立运作空间。 该解决方案强调代码结构的规范性与可维护性,遵循企业级开发标准,确保了系统的长期稳定运行与后续功能迭代的可行性。整体而言,这是套技术选型成熟、架构清晰、功能完备且可直接投入商用的电商平台系统。 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!
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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