uva10759 手算多项式分解 或者dp

本文介绍两种算法解决多项式概率计算问题:一种通过手动分解多项式并求系数之和;另一种采用动态规划方法,利用分数表示确保加减运算的准确性。
#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
typedef unsigned long long ULL;

ULL a[555];
ULL b[555];

ULL gcd(ULL x, ULL y){
    return y?gcd(y,x%y):x;
}
/**
手算多项式分解
把原题变为(x^1+x^2+x^3+x^4+x^5+x^6)^n 求指数大于等于x的项数的系数之和
**/

int main()
{
//    freopen("data.in", "r", stdin);
    int n, x;
    ULL ans1, ans2;
    while(scanf("%d%d", &n, &x) != EOF && n+x){
        memset(a, 0 ,sizeof a);
        for(int i = 1; i <= 6; i++)
            a[i] = 1;
        for(int k = 1; k < n; k++){
            memset(b, 0, sizeof b);
            for(int i = k; i <= 6*k; i++){
                for(int j = 1; j <= 6; j++){
                    b[i+j] += a[i];
                }
            }
            memcpy(a, b, sizeof b);
        }
        ans1 = ans2 = 0;
        for(int i = 0; i <= n*6; i++){
            if(i >= x) ans1 += a[i];
            ans2 += a[i];
        }
        if(ans1 == 0)puts("0");
        else if(ans1 == ans2)puts("1");
//        else printf("%llu/%llu\n", ans1, ans2);
        else printf("%llu/%llu\n", ans1/gcd(ans1, ans2), ans2/gcd(ans1, ans2));
    }
    return 0;
}

dp的做法是用f[i][j]存投掷i次得分为j的概率 转移方程很简单  重点是用分数表示 记得用LCM GCD处理同分和约分  保证分数加减的正确性

#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;
typedef unsigned long long ULL;

ULL f[25][155], e[25][155];
ULL sum1[25][155], sum2[25][155];

ULL gcd(ULL x, ULL y){
    return y?gcd(y,x%y):x;
}

ULL lcm(ULL x, ULL y){
    return x/gcd(x,y)*y;
}

int main()
{
//    freopen("data.in", "r", stdin);
    f[0][0] = e[0][0] = sum1[0][0] = sum2[0][0] = 1;
    for(int i = 1; i <= 24; i++){
        for(int j = i; j <= 6*i; j++){
            ULL FZ = 0, FM = 1, TMP;
            for(int k = max(0, j-6); k < j; k++){
                if(f[i-1][k] == 0) continue;
                TMP = lcm(FM, e[i-1][k]*6);
                FZ = FZ*(TMP/FM) + f[i-1][k]*(TMP/(e[i-1][k]*6));
                FM = TMP;
                TMP = gcd(FZ, FM);
                FZ /= TMP, FM /= TMP;
            }
            f[i][j] = FZ, e[i][j] = FM;
            if(i == j){
                sum1[i][j] = f[i][j];
                sum2[i][j] = e[i][j];
                continue;
            }
            TMP = lcm(sum2[i][j-1], e[i][j]);
            FZ = sum1[i][j-1]*(TMP/sum2[i][j-1])+f[i][j]*(TMP/e[i][j]);
            FM = TMP;
            TMP = gcd(FZ, FM);
            sum1[i][j] = FZ/TMP, sum2[i][j] = FM/TMP;
        }
    }
    int n, x;
    ULL ans1, ans2;
    while(scanf("%d%d", &n, &x) != EOF && n+x){
        if(x > 6*n) puts("0");
        else if(x <= n) puts("1");
        else{
            ans1 = sum2[n][x-1] - sum1[n][x-1];
            ans2 = sum2[n][x-1];
            printf("%llu/%llu\n", ans1, ans2);
        }
    }
    return 0;
}


内容概要:本文档系统性地介绍了2024年最新提出的两种智能优化法——青蒿素优化法与霜冰优化法(RIME)的原理、实现方法及其性能对比分析,并提供了完整的Matlab代码实现。文档不仅聚焦于核心法的仿真与验证,还整合了大量前沿科研资源,涵盖微电网优化、风电功率预测、无人机三维路径规划、电动汽车调度、图像融合、负荷预测、通信信号处理、电力系统故障恢复等多个高价值应用场景。所有案例均基于Matlab/Simulink平台进行建模与仿真,强调法在复杂工程系统中的实际应用能力,旨在为科研人员提供一套从理论到代码再到应用的完整复现体系。; 适合人群:具备一定编程基础和科研背景的研究生、高校教师及工程技术人员,尤其适合从事智能优化法研究、新能源系统优化、自动化控制、电力系统调度、无人机导航与路径规划等相关领域的研究人员。; 使用场景及目标:①用于高水平学术论文的复现与创新性研究,提升科研效率与成果产出;②应用于复杂工程系统的建模仿真与智能优化设计,如多能互补系统调度、无人机避障路径规划、微电网能量管理等;③作为智能优化法的教学与学习资料,深入理解现代元启发式法的设计思想与实现机制。; 阅读建议:建议读者结合文档中提供的Matlab代码与Simulink仿真模型,按照目录结构循序渐进地学习与实践,优先选择与自身研究方向契合的案例进行代码复现,重点关注法参数设置、收敛曲线分析与多法对比实验部分,以全面提升法应用与科研创新能力。
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