《中学数学》排列组合问题之：错位重排（python实现）

最新推荐文章于 2023-06-25 11:14:08 发布
最新推荐文章于 2023-06-25 11:14:08 发布
阅读量866 收藏
点赞数
分类专栏： Python基础实验
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_46653437/article/details/118255697
版权 
问题引出:
编号为1-N的N个小球，装入编号为1-N的N个盒子，
要求每个盒子装一个小球，并且盒子和小球的编号不相同。
问有几种排法？
假设N个小球有D[N]种排法，
易得:
D[1]=0,  D[2]=1,  D[3]=2;
容易推导关系式：
D[n] = (n-1) * { D[n-1] + D[n-2] } ,其中n>=3;

代码展示:

方法1:公式递推法

def getN(N):
    assert type(N) == type(1) , "输入数据类型错误!!!"
    assert N > 0 , "输入数据取值范围错误!!!"
    if N == 1:
        return 0
    if N == 2:
        return 1
    if N > 2:
        return (N-1)*(getN(N-1)+getN(N-2))

for i in range(1,20):
    print("D{0} = {1}".format(i,getN(i)))

控制台下输出:

Windows PowerShell
版权所有 (C) Microsoft Corporation。保留所有权利。

尝试新的跨平台 PowerShell https://aka.ms/pscore6

加载个人及系统配置文件用了 851 毫秒。
(base) PS C:\Users\chenxuqi\Desktop\News4cxq\实验> conda activate pytorch_1.7.1_cu102
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>  & 'D:\Anaconda3\envs\pytorch_1.7.1_cu102\python.exe' 'c:\Users\chenxuqi\.vscode\extensions\ms-python.python-2021.6.944021595\pythonFiles\lib\python\debugpy\launcher' '51893' '--' 'c:\Users\chenxuqi\Desktop\News4cxq\实验\test.py'
D1 = 0
D2 = 1
D3 = 2
D4 = 9
D5 = 44
D6 = 265
D7 = 1854
D8 = 14833
D9 = 133496
D10 = 1334961
D11 = 14684570
D12 = 176214841
D13 = 2290792932
D14 = 32071101049
D15 = 481066515734
D16 = 7697064251745
D17 = 130850092279664
D18 = 2355301661033953
D19 = 44750731559645106
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>

方法2:深度优先搜索实现暴力枚举:

# 深度优先搜索实现错位重排问题
count = 0
def getN(N):
    assert type(N) == type(1) , "输入数据类型错误!!!"
    assert N > 0 , "输入数据取值范围错误!!!"
    global count
    count = 0
    count_shuffle_num([None],list(range(1,N+1)),N)

def count_shuffle_num(prior,resNums,chosNums):
    global count
    if chosNums < 1:
        return
    elif chosNums == 1:
        prior = prior + resNums
        if len(prior)-1 != prior[-1]:
            count += 1
            # print(prior)
        return
    else:
        for i in resNums:
            if i == len(prior):
                continue
            else:
                resNums_ = resNums[:]
                resNums_.remove(i)
                count_shuffle_num(prior+[i],resNums_,chosNums-1)

if __name__ == '__main__':
    for i in range(1,12):
        getN(i)
        print("D{0} = {1}".format(i,count))

控制台下输出:

Windows PowerShell
版权所有 (C) Microsoft Corporation。保留所有权利。

尝试新的跨平台 PowerShell https://aka.ms/pscore6

加载个人及系统配置文件用了 957 毫秒。
(base) PS C:\Users\chenxuqi\Desktop\News4cxq\实验> conda activate pytorch_1.7.1_cu102
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>  & 'D:\Anaconda3\envs\pytorch_1.7.1_cu102\python.exe' 'c:\Users\chenxuqi\.vscode\extensions\ms-python.python-2021.6.944021595\pythonFiles\lib\python\debugpy\launcher' '52379' '--' 'c:\Users\chenxuqi\Desktop\News4cxq\实验\test.py'
D1 = 0
D2 = 1
D3 = 2
D4 = 9
D5 = 44
D6 = 265
D7 = 1854
D8 = 14833
D9 = 133496
D10 = 1334961
D11 = 14684570
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>

打印各种组合(按照序列递增顺序枚举):

# 深度优先搜索实现错位重排问题
count = 0
def getN(N):
    assert type(N) == type(1) , "输入数据类型错误!!!"
    assert N > 0 , "输入数据取值范围错误!!!"
    global count
    count = 0
    count_shuffle_num([None],list(range(1,N+1)),N)

def count_shuffle_num(prior,resNums,chosNums):
    global count
    if chosNums < 1:
        return
    elif chosNums == 1:
        prior = prior + resNums
        if len(prior)-1 != prior[-1]:
            count += 1
            # print(prior)
            print('              ',prior[1:],'\tcount =',count)
        return
    else:
        for i in resNums:
            if i == len(prior):
                continue
            else:
                resNums_ = resNums[:]
                resNums_.remove(i)
                count_shuffle_num(prior+[i],resNums_,chosNums-1)

if __name__ == '__main__':
    a = 5
    print('位置序号标记->',list(range(1,a+1)),'<-位置序号标记')
    getN(a)
    print('综上所述:\tD{0} = {1}'.format(a,count))

控制台下结果输出:

Windows PowerShell
版权所有 (C) Microsoft Corporation。保留所有权利。

尝试新的跨平台 PowerShell https://aka.ms/pscore6

加载个人及系统配置文件用了 971 毫秒。
(base) PS C:\Users\chenxuqi\Desktop\News4cxq\实验> conda activate pytorch_1.7.1_cu102
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>  & 'D:\Anaconda3\envs\pytorch_1.7.1_cu102\python.exe' 'c:\Users\chenxuqi\.vscode\extensions\ms-python.python-2021.6.944021595\pythonFiles\lib\python\debugpy\launcher' '52632' '--' 'c:\Users\chenxuqi\Desktop\News4cxq\实验\test.py'
位置序号标记-> [1, 2, 3, 4, 5] <-位置序号标记
               [2, 1, 4, 5, 3]  count = 1    
               [2, 1, 5, 3, 4]  count = 2    
               [2, 3, 1, 5, 4]  count = 3    
               [2, 3, 4, 5, 1]  count = 4    
               [2, 3, 5, 1, 4]  count = 5    
               [2, 4, 1, 5, 3]  count = 6    
               [2, 4, 5, 1, 3]  count = 7    
               [2, 4, 5, 3, 1]  count = 8    
               [2, 5, 1, 3, 4]  count = 9    
               [2, 5, 4, 1, 3]  count = 10   
               [2, 5, 4, 3, 1]  count = 11
               [3, 1, 2, 5, 4]  count = 12
               [3, 1, 4, 5, 2]  count = 13
               [3, 1, 5, 2, 4]  count = 14
               [3, 4, 1, 5, 2]  count = 15
               [3, 4, 2, 5, 1]  count = 16
               [3, 4, 5, 1, 2]  count = 17
               [3, 4, 5, 2, 1]  count = 18
               [3, 5, 1, 2, 4]  count = 19
               [3, 5, 2, 1, 4]  count = 20
               [3, 5, 4, 1, 2]  count = 21
               [3, 5, 4, 2, 1]  count = 22
               [4, 1, 2, 5, 3]  count = 23
               [4, 1, 5, 2, 3]  count = 24
               [4, 1, 5, 3, 2]  count = 25
               [4, 3, 1, 5, 2]  count = 26
               [4, 3, 2, 5, 1]  count = 27
               [4, 3, 5, 1, 2]  count = 28
               [4, 3, 5, 2, 1]  count = 29
               [4, 5, 1, 2, 3]  count = 30
               [4, 5, 1, 3, 2]  count = 31
               [4, 5, 2, 1, 3]  count = 32
               [4, 5, 2, 3, 1]  count = 33
               [5, 1, 2, 3, 4]  count = 34
               [5, 1, 4, 2, 3]  count = 35
               [5, 1, 4, 3, 2]  count = 36
               [5, 3, 1, 2, 4]  count = 37
               [5, 3, 2, 1, 4]  count = 38
               [5, 3, 4, 1, 2]  count = 39
               [5, 3, 4, 2, 1]  count = 40
               [5, 4, 1, 2, 3]  count = 41
               [5, 4, 1, 3, 2]  count = 42
               [5, 4, 2, 1, 3]  count = 43
               [5, 4, 2, 3, 1]  count = 44
综上所述:       D5 = 44
(pytorch_1.7.1_cu102) PS C:\Users\chenxuqi\Desktop\News4cxq\实验>
敲代码的小风
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
递推算法题解：错排问题
少儿编程乔老师
12-13 458
递推算法之错排问题
使用动态规划实现错排问题-2023年全国青少年信息素养大赛Python复赛真题精选
超平的编程课
08-09 607
2023年全国青少年Python编程挑战赛华北赛区（北京）初中组复赛于2023年7月15日正式举行。一共有6道题，全是编程题，考试时间是90分钟。今天超平老师分享的是第6题，也是最后一题，错排问题。圣诞节快到了，公司为每个员工都准备了礼物，每个礼物都有一个精美的盒子。如果所有的礼物都不小心装错了盒子，求所有礼物都装错盒子共有多少种不同情况。
基于Python解决八数码和八皇后问题【100012662】
06-07
本文以八数码问题和八皇后问题为例，对比爬山法，随机重启爬山法，模拟退火算法，遗传算法的搜索性能。以八数码问题为例，分别采用曼哈顿距离和错位棋子数为启发式函数，设计实验，分析启发式搜索方法。如爬山法在求解问题中消耗的时间少，但是容易陷入局部最优解。随机重启爬山法随重启次数增大，成功求解率上升，但其所消耗的时间成本也随之增大等。启发式搜索采用不同的启发式函数时，性能各不相同。
基于DNA自组装的全错位排列问题模型
06-23
针对全错位排列这类NP完全问题,提出了一种基于DNA自组装的全错位排列问题计算模型。该模型利用了DNA分子间的自组装能力,在具体操作时只用到凝胶电泳技术,在一定程度上减少了实验误差。
python-algorithm-templates:Python算法模板和LeetCode问题解决方案
05-26
Algorithm templates and LeetCode Solutions TBD Add multi binary search algorithm for leetcode0034 Add Segment Tree for data structure Add union-find algorithm(Disjoint Set Union) for data structure Add catalan number 全错位排列问题 LeetCode1467 概率问题 Notes 此处主要加入自己的学习笔记 快速幂/矩阵快速幂 支持向量机 还需要补充完善 Buffon’s Needle Problem 一个几何概型问题，以及采样的技巧 组合数学常用公式 总结组合数学常用公式 线性可分感知机及其对偶形式 感知机建模，推导以及Gram矩阵优化 @classmethod
python如何重复执行代码
2201_75362610的博客
06-25 1万+
在编程中，有时候需要重复执行某个特定的代码段，这就需要使用循环结构。Python提供了多种循环结构，可以满足不同的需求。本文将从多个角度分析Python如何重复执行代码。
python 字段错位的处理
静水流深
09-16 1245
需要解决的问题： import pandas as pd import numpy as np df = pd.DataFrame([[1,np.nan,3],[4,5,6],[7,np.nan,9]],columns=['A','B','C']) print(df) 怎样将0、2行 B 、C列数值替换A、B 两列的数值 （即数据左移一列）？ 一、方法介绍 所使用的方法：将需要错位的数据块筛出构造新表，采用2表 更新的方式 (一)、错位块的处理方式(将错位的地方换回来) 1、整列赋值的方
python-错排公式及解析
王小二的博客
08-14 883
python-错排公式及解析错排公式解析 错排公式 f(1)=0 f(2)=1 f(n) = (n-1)[f(n-2)+f(n-1)] (n>2) 。 解析 错排就是指给定一个长度为n的数组，让数组中的n个元素都不在原来的位置上，看一共有多少种情况。 易得： 当n=1或n=2时，只有0种或1种情况是错排。 当n>2时，可以这样考虑（ 假设方法为 f(n) ）： 错排第1个元素（将 第1个元素排在第 2 至第 n 个位置之一），共有 n - 1 种情况。 此时假设第1个元素落在第inx位置。
python中的排序错误
qq_74747763的博客
03-15 425
python中使用sort()函数时的小错误
初中数学9大经典解题法！
机器学习算法与Python学习
03-13 1130
源 / 超级数学建模数学是一门严谨的学科，除开复杂的数学公式，最核心的是数学的解题思路，总结了初中数学9大经典解题法，希望能帮助到努力奋斗的莘莘学子！ 配方法 因...
Python实现利用神经网络启发的A-算法解决15数码问题.zip
03-16
为了解决十五数码问题, 常用的方法是 A 算法, A 算法的好坏完全决定于启发函数 h 的选择. 在 15 数码问题中, 常用的启发函数有错位数和曼哈顿距离, 但这样的启发函数距离真实的代价差距还是很大的. 同时我们可以注意到, 启发函数可以看作当前状态到预测代价的映射, 因此利用神经网络训练启发函数是完全合理的. 实验证明, 在搜索深度比较大的情况下, 神经启发函数比曼哈顿距离找到最优解的速度可能会快上甚至上千倍 详情介绍参考：https://blog.csdn.net/sheziqiong/article/details/129578889
基于分子信标的全错位排列问题的DNA计算模型
06-23
全错位排列问题是组合数学的一个重要的问题,将问题转化成范式的形式,利用分子信标对满足性问题进行求解,给分子信标进行编码,对分子信标的识别区被其补链杂交时进行受力分析,设计分子信标的茎杆,当其识别区被其补链...
错排公式理解
ker的博客
01-04 7565
什么是错排？ n个元素放在n个位置，元素编号和位置编号各不对应，也就是每个元素都不能在它们原来的位置上。 举例：1 2 3的错排有两种，即3 1 2 和2 1 3 1 2 3 4的错排有9种 4 1 2 3 ，4 3 2 1，4 3 1 2 3 4 1 2 ，3 1 4 2，3 1 2 4 2 1 4 3 ，2 4 1 3， 2 3 4 1 … … 错排公式： n个元素放在n个位置，元素编号和位置...
错排公式（简单）
Stark_industry
01-23 2405
1.定义：考虑一个有n个元素的排列，若一个排列中所有的元素都不在自己原来的位置上，那么这样的排列就称为原排列的一个错排。 n个元素的错排数记为D(n)。 研究一个排列错排个数的问题，叫做错排问题或称为更列问题。 2.公式： （1）D(n)=(n-1)*(D(n-1)+D(n-2))【特殊的，D(1)=0，D(2)=1】 （2）D(n)=n!*(1/2!-1/3!+1/4!- 1/5!+ ··· ·...
python数字排列组合去重_python解决排列组合问题的4种方式
weixin_35715629的博客
01-14 2227
前言排列组合问题在是算法中很基础的一个问题，它们的区别就是，排列要考虑顺序，组合不考虑顺序。在面试的过程中可能会考到，在现实生活中也是经常可以遇到的，比如说一个3位数字的密码锁，要尝试多少次才能解开？那么用python有哪些方法可以解决此类问题呢？问题以一个具体的例子来说明在python中此类问题的可能解决方法，要求给定一个没有重复数字的序列，返回其所有可能的全排列。示例:输入: [1,2,3]输...
彻底搞懂错排问题
骑鱼的喵喵的博客
02-21 6267
问题：现有10本书按照顺序摆放，现要求重新排列，使得新的书的顺序中每一本书都不在原来的位置，求有多少种排列方式？ 这个问题推广一下，就是错排问题，是组合数学中的问题之一。考虑一个有n个元素的排列，若一个排列中所有的元素都不在自己原来的位置上，那么这样的排列就称为原排列的一个错排。 n个元素的错排数记为D(n)。 研究一个排列错排个数的问题，叫做错排问题或称为更列问题 OK，现在详细分析这个问...
错排问题(全错排)
热门推荐
森宝的博客
11-11 1万+
错排问题(全错位排列问题 Derangement) 概念： 考虑一个有n个元素的排列，若一个排列中所有的元素都不在自己原来的位置上，那么这样的排列就称为原排列的一个错排。 n个元素的错排数记为D(n)。 研究一个排列错排个数的问题，叫做错排问题或称为更列问题。 典型例子： 1. 一个人写了n封不同的信及相应的n个不同的信封，他把这n封信都装错了信封，都装错信封的装法有多少种（历史有名的“装错信...
Python助力中学数学教学：绘图验证反比例函数与矩形交点的关系
董付国的Python专栏
03-12 1547
昨天下午，我正在看书，娃过来说“老爸，考你个数学题看你会不会啊”，我一想不过是九年级的数学题而已，岂能难的倒我，于是欣然答应。 题目如下： 如图，矩形左下角O为坐标原点，A为x正轴上一点，C为y正轴上一点，反比例函数的图像与矩形OABC的边AB交于E点，与BC交于D点。已知三角形ODE的面积为5，且线段BD长度为线段CD的一半，求反比例函数xy=k的常数k。 我一看哈哈大笑，这题so e...
基于matlab实现人工免疫算法的解决TSP问题的方法
最新发布
05-21
基于matlab实现人工免疫算法的解决TSP问题的方法，体现了免疫算法在进化计算过程中的抗原学习、记忆机制、浓度调节机制以及多样性抗体保持策略等优良特性.rar
Python 数组错位排列
03-08
Python中的数组错位排列可以通过zip函数和解压操作来实现。具体步骤如下： 1. 首先，将原始数组拆分为两个子数组，分别表示奇数索引和偶数索引的元素。 2. 使用zip函数将这两个子数组合并为一个新的数组，其中奇数...

“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

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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