nyoj 571 整数划分(三)

本文详细解析了整数划分的经典问题,包括将整数n划分为若干正整数之和的不同方式及其计数方法,涉及完全背包、01背包等算法,并提供了具体的实现代码。

整数划分(三)

时间限制:1000 ms  |  内存限制:65535 KB
难度:5
描述

整数划分是一个经典的问题。请写一个程序,完成以下要求。

 

输入
每组输入是两个整数n和k。(1 <= n <= 50, 1 <= k <= n)
输出
对于输入的 n,k;
第一行: 将n划分成若干正整数之和的划分数。
第二行: 将n划分成k个正整数之和的划分数。
第三行: 将n划分成最大数不超过k的划分数。
第四行: 将n划分成若干个 奇正整数之和的划分数。
第五行: 将n划分成若干不同整数之和的划分数。
第六行: 打印一个空行
样例输入
5 2
样例输出
7
2
3
3
3
提示
样例输出提示:
1.将5划分成若干正整数之和的划分为: 5, 4+1, 3+2, 3+1+1, 2+2+1, 2+1+1+1, 1+1+1+1+1
2.将5划分成2个正整数之和的划分为: 3+2, 4+1
3.将5划分成最大数不超过2的划分为: 1+1+1+1+1, 1+1+1+2, 1+2+2
4.将5划分成若干 奇正整数之和的划分为: 5, 1+1+3, 1+1+1+1+1
5.将5划分成若干不同整数之和的划分为: 5, 1+4, 2+3

 

 --- 整数划分解报告 ---- By Debugcool
-------------------------------------------------------
1.问题描述:
    给定一个正整数N和K

    1.> 将n划分成若干正整数之和的划分数。
    2.> 将n划分成k个正整数之和的划分数。
    3.> 将n划分成最大数不超过k的划分数。
    4.> 将n划分成若干奇正整数之和的划分数。
    5.> 将n划分成若干不同整数之和的划分数。

2.问题分类:总的来说这些都是背包问题;

第一个问:就是一个完全背包,背包有 1 --- N 种,第 i 种背包的重量为 i ,价值为 i ;这很好解决:

        dp[0] = 1;
        for (i = 1;i <= N;i++)
            for (j = i;j <= N;j++)
                dp[j] += dp[j-i];
其中 dp[j] 是用前 i 个数能构成 j 的种类数,则结果就为 dp[N]

看完这个问题了,那么 第3个问就知道了 , 即用前 K 种背包来装 所得结果,只需把第一层循环的 i <= N 改为 i <= K 即可;

        dp[0] = 1;
        for (i = 1;i <= K;i++)
            for (j = i;j <= N;j++)
                dp[j] += dp[j-i];   结果同样为 dp[N] ;

那么第四个问呢,想想是奇数,那么 i = 2,4,6,…… 等等值就不能取了,因为这些背包种类不合要求,这很简单啊  i++ 改为 i += 2 不就行了;

        dp[0] = 1;
        for (i = 1;i <= N;i+=2)
            for (j = i;j <= N;j++)
                dp[j] += dp[j-i];   结果同样为 dp[N] ;

再看看第五个问,若干个不同的???想到了什么,就是一种背包最多只能用一次???这是什么,经典的 01背包啊,与第一个问的不同就是第二层循环的顺序而已;

        dp[0] = 1;
        for (i = 1;i <= N;i++)
            for (j = n;j >= i ;j--)
                dp[j] += dp[j-i];

最后我们来思考第二个问:
         
   要求只要 K 个,这怎么办呢???想想特殊情况…… 如果 K = 1 呢,只能是 N 咯,若果 N = 0 呢, 结果只能是 0 中可能啊,那同样N < K 的话,不可能分啊 结果为 0 ,好,特殊的考虑完了,那么我们再考虑,分的结果中有没有 1 , 如果有 那么就把剩下的 N - 1 分成 K - 1 份 , 如果没有呢,那么我们先拿出 K 份 给每一堆 一个1, 再把剩下的 N - K 分成 K 份就行了啊,好了,至此,递归方法出来了:  

int work(int n,int k)
{
    if (k == 1)
        return 1;
    if (n == 0)
        return 0;
    if (n < k)
        return 0;
    return work(n-k,k) + work(n-1,k-1);
}

--------------------------------
总结:背包问题是基础啊~~~

#include<algorithm>
#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
int dp[55][55],dp1[55];
int part1(int n)
{
    memset(dp1,0,sizeof(dp1));
    dp1[0]=1;
    for(int i = 1 ; i <= 55 ; i++)
    for(int j = i ; j <= 55; j++ )
        dp1[j]+=dp1[j-i];
    return dp1[n];
}
int part2(int n,int m)
{
    memset(dp,0,sizeof(dp));
    dp[0][0]=1;
    for(int i = 1 ; i <= 55 ;i++)
    for(int j = 0 ; j <= i ; j++)
    dp[i][j]=dp[i-j][j]+dp[i-1][j-1];
    return dp[n][m];
}
int part3(int n,int m)//完全背包
{
    memset(dp1,0,sizeof(dp1));
    dp1[0]=1;
    for(int i = 1 ; i <= m ; i++)
    for(int j = i ; j <= 55 ; j++)
        dp1[j]+=dp1[j-i];
    return dp1[n];
}
int part4(int n,int m)//完全背包,附加条件i为奇数
{
    memset(dp1,0,sizeof(dp1));
    dp1[0]=1;
    for(int i = 1 ; i <= 55 ; i+=2)
    for(int j = i ; j <= 55 ; j++)
        dp1[j]+=dp1[j-i];
    return dp1[n];
}
int part5(int n,int m)//01背包
{
    memset(dp1,0,sizeof(dp1));
    dp1[0]=1;
    for(int i = 1 ; i <= 55 ;i++)
    for(int j = 55; j >= i ; j--)
    dp1[j]+=dp1[j-i];
    return dp1[n];
}
int main()
{
    int a,c;
    while(scanf("%d%d",&a,&c)!=EOF){
        printf("%d\n",part1(a));
        printf("%d\n",part2(a,c));
        printf("%d\n",part3(a,c));
        printf("%d\n",part4(a,c));
        printf("%d\n",part5(a,c));
        puts("");
    }
    return 0;
}


 

内容概要:本文详细介绍了一个基于Java和Vue的联邦学习隐私保护推荐系统的设计与实现。系统采用联邦学习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器学习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①学习联邦学习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦学习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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