UVA 11971 Polygon

U  — Polygon

Time Limit: 1 sec
Memory Limit: 32 MB

John has been given a segment of lenght N, however he needs a polygon. In order to create a polygon he has cut given segment K times at random positions (uniformly distributed cuts). Now he has K+1 much shorter segments. What is the probability that he can assemble a polygon using all new segments?

INPUT

The number of tests T (T ≤ 1000) is given on the first line. T lines follow, each of them contains two integers N K (1 ≤ N ≤ 106; 1 ≤ K ≤ 50) described above.

OUTPUT

For each test case output a single line "Case #T: F". Where T is the test case number (starting from 1) and Fis the result as simple fraction in form of N/D. Please refer to the sample output for clarity.

SAMPLE INPUT

2
1 1
2 2

SAMPLE OUTPUT

Case #1: 0/1
Case #2: 1/4

Problem by: Aleksej Viktorchik; Leonid Sislo
Huge Easy Contest #2


思路:首先题目里面给的N是没有意义的...我们假设线段总长度是1.其次我们要知道假设多边形的K+1条边的长度分别为x1<=x2<=x3.....xk+1, 那么则有x1+x2+x3+...+xk>xk-1,即x1+x2+....+xk > 0.5。根据这个方程不好算,我们算它的反面,也就是说有且仅有一条边的长度不小于0.5。

于是:


推导过程就自己来吧....有规律的


代码:

#include <iostream>
#include <string.h>
#include <cstdio>
#include <cstring>
#include <cassert>
#include <queue>
#include <vector>
#include <map>
#include <set>
#include <cmath>
#include <algorithm>
using namespace std;
#define rep(i,a,b) for(int i=(a);i<(int)(b);++i)
#define rrep(i,b,a) for(int i=(b);i>=(int)(a);--i)
#define clr(a,x) memset(a,x,sizeof(a))
#define ll long long
#define eps 1e-13

int main()
{
    #ifdef ACM
        freopen("in.txt","r",stdin);
    #endif
    int T; cin >> T;
    rep(cas,1,T+1) {
        int N, K; scanf("%d%d",&N,&K);
        printf("Case #%d: ",cas);
        if (K == 1) puts("0/1");
        else {
            ll fenzi = (K+1);
            ll fenmu = 1LL << K;
            fenzi = fenmu - fenzi;
            ll g = __gcd(fenzi,fenmu);
            fenzi /= g; fenmu /= g;
            printf("%lld/%lld\n",fenzi,fenmu);
        }
    }
}



内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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