数的划分解题报告

#include <iostream>
#include <cstdio>
using namespace std;


long n,k;
long time;
void trac(long dep,long pre,long n)
{
    ///n为当前剩余将要分解的数
    ///pre为要试放的数
    if(dep == k)
    {
        if(n >= pre)
        {
            time++;
            return ;
        }
    }
    for(int i = pre; i< (n/2); i++) ///因为是组合不是排列,所以只需考虑前n/2即可
        ///  比如 7 = 2+5 = 5+2是一样的
    {
        trac(dep+1,i,n-i);  ///考虑下一次对n-i的划分
    }
}
int main()
{
    while(cin >> n >> k)
    {
        trac(1,1,n);
        cout << time<<endl;
    }
    return 0;
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
动态规划(Dynamic Programming)是一种用于解决复杂问题的算法思想,它通常适用于具有重叠子问题和最优子结构性质的问题。动态规划的主要思想是将问题分解成若干个子问题,通过保存已解决子问题的解来避免重复计算,从而提高算法的效率。 动态规划的解题技巧包括以下几个步骤: 1. 确定问题的状态:将问题划分为若干个子问题,并定义问题的状态。状态的选择应该能够完整地描述问题的特征,且相邻状态之间能够转化。 2. 构建状态转移方程:通过分析问题的特点,确定相邻状态之间的关系,并构建状态转移方程。状态转移方程描述了从当前状态到下一状态之间的转化规则,是解题过程中的关键。 3. 确定初始状态和边界条件:确定问题的初始状态和边界条件,并将其作为动态规划的基础。初始状态是问题的起点,边界条件是问题的终点,它们对最终的计算结果起到重要作用。 4. 递推求解最优解:利用状态转移方程和初始状态,通过递推的方式求解问题的最优解。动态规划的核心是计算各个子问题的解,并保存已解决子问题的解,以便后续的计算。 5. 利用最优解构造问题的解:根据已求解的子问题的解,利用递推方式构造问题的最优解。最优解的构造可以通过回溯或其他方式实现。 动态规划解题技巧能够有效地提高问题的解决效率,但在实际问题中需要根据具体情况进行调整。掌握动态规划的原理和常用技巧,能够更好地解决复杂问题,提高算法的效率。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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