HDU-4427 math magic (DP滚动数组)

本文介绍了一种使用动态规划解决特定整数组合计数问题的方法。通过优化存储空间并预处理最小公倍数,有效地解决了给定条件下整数组合的数量问题。

题意:给出三个整数N,M,K   和:sum(a1...ak) =N,     最小公倍数lcm(a1,...,ak)=M,      以及K个数字,求出满足条件的组合可能 (1 ≤ N, M ≤ 1,000, 1 ≤ K ≤ 100)

(这道题比较综合,相比昨天做的dp难多了,然后就没做出来.....只能看大佬博客再自己重新来写)

思路:如果从dp状态转移的角度来设置的话 就要设置dp[k][n][m] 但是 1000*1000*100太大了,必须要优化dp的存储

我们从dp转移关系中可以得到 dp[i][p + fact[j]][lcm[fact[q]][fact[j]]] += dp[i-1][p][fact[q]](其中fact[]为因子,p q 为下标)

所以所有的转移过程中只需要两个状态 i与i-1 所以两种状态就用 ^来改变

对于因子的求法,我们先循环枚举(预处理) lcm[i][j] = lcm[j][i] ,其中lcm利用a\gcd(a,b)*b来得到

 

完整代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int maxn = 1005;
const int mod = 1000000007;
int n, m, k;
int lcm[maxn][maxn];
int dp[2][maxn][maxn];//由于dp[k][][] = dp[k-1][][],为了节省空间就使用滚动数组 
int fact[maxn], cnt;

int gcd(int a, int b)
{
    return b==0?a:gcd(b, a%b);
}

int LCM(int a, int b)
{
    return a / gcd(a,b) * b;//防止溢出 
}

void init()
{
    for(int i = 1; i <=1000; i++)
        for(int j = 1; j<=i; j++)
            lcm[j][i] = lcm[i][j] = LCM(i, j);
}

void solve()
{
    cnt = 0;
    for(int i = 1; i<=m; i++)//求出其所有的因子 
        if(m%i==0) fact[cnt++] = i;

    int now = 0;
    memset(dp[now], 0, sizeof(dp[now]));
    for(int i = 0; i<cnt; i++)
        dp[now][fact[i]][fact[i]] = 1;

    for(int i = 1; i<k; i++)
    {
        now ^= 1;//(数组下标进行滚动)
        for(int p=1; p<=n; p++)
            for(int q=0; q<cnt; q++)
            {
                dp[now][p][fact[q]] = 0;
            }

        for(int p=1; p<=n; p++)
        {
            for(int q=0; q<cnt; q++)//因子1 
            {
                if(dp[now^1][p][fact[q]]==0) continue;
                for(int j=0; j<cnt; j++)//因子2 
                {
                    int now_sum = p + fact[j];
                    if(now_sum>n) continue;
                    int now_lcm = lcm[fact[q]][fact[j]];
                    dp[now][p + fact[j]][lcm[fact[q]][fact[j]]] += dp[now^1][p][fact[q]];//状态转移方程 
                    dp[now][now_sum][now_lcm] %= mod;
                }
            }
        }
    }
    printf("%d\n",dp[now][n][m]);
}

int main()
{
    init();
    while(~scanf("%d%d%d", &n, &m, &k))
        solve();
    return 0;
}

 

转载于:https://www.cnblogs.com/Tianwell/p/11217086.html

内容概要:本文围绕虚拟电厂与电动汽车之间的互动关系,采用主从博弈理论构建了二者间的优化决策模型,并引入条件风险价值(CVaR)来衡量和管理电力系统中由可再生能源出力不确定性及电动汽车充放电行为带来的风险。通过Matlab代码实现该模型,旨在优化虚拟电厂的调度策略,在保障系统经济性的同时提升其对不确定因素的鲁棒性。研究涵盖了模型构建、算法设计与仿真验证全过程,重点分析了不同风险偏好下虚拟电厂与电动汽车的博弈均衡结果及其对系统运行的影响,深入探讨了主从博弈框架下的决策机制与CVaR在电力金融风险量化中的应用。; 适合人群:具备一定电力系统基础知识和Matlab编程能力,从事能源互联网、电力市场、电动汽车调度、风险管理等相关领域研究的研究生或科研人员。; 使用场景及目标:①研究虚拟电厂如何协调管理大量分布式能源与电动汽车资源;②探讨主从博弈在电力市场中的建模方法与求解技巧;③利用CVaR工具量化并控制电力系统运行中的金融或运行风险;④通过Matlab实现复杂优化模型并进行仿真分析。; 阅读建议:此资源结合了博弈论、风险管理和电力系统优化等多学科知识,建议读者在学习过程中重点关注模型假设的合理性、CVaR的应用逻辑以及Matlab代码的实现细节,宜配合相关理论教材与案例进行深入理解和复现。
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