康托展开与逆康托展开

康托展开

原理:X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[1]*0!       0<=a[i]<i(1<=i<=n)

这就是康托展开的公式,其中a[i]为当前未出现的元素中是排在第几个(从0开始)。

应用:康托展开一般应用于寻找全排列数在其排列中的位置。例如{1,2,3}的全排列从小到大为123,132,213,231,312,321

我们假如要寻找312这个排列数在其序列中的位置,那么可以用康托展开。

首先我们来看第一个数,3,比3小的有1和2,即2*2!,第二个数为1,比1小的没有,故0*1!,第三个数为2,比2小的有1 ,而1已经在前面出现过了,故为0*0!加起来2*2!+0*1!+0*0!=4,即312前面有4个数,312排在第五个

注意,公式X=a[n]*(n-1)!+a[n-1]*(n-2)!+...+a[1]*0! ,其中例子中n=3,a[3]=2,a[2]=0,a[1]=0。

 

排列组合名次康托展开
12310 * 2! + 0 * 1! + 0 * 0!
13220 * 2! + 1 * 1! + 0 * 0!
21331 * 2! + 0 * 1! + 0 * 0!
23141 * 2! + 1 * 1! + 0 * 0!
31252 * 2! + 0 * 1! + 0 * 0!
32162 * 2! + 1 * 1! + 0 * 0!

不需要检验某数码是否使用过,只需检查第(n+1-i)位之后比第(n+1-i)位小的位的数量,将这个数量作为公式中的a[i]。(1<=i<=n)

long int factory[] = { 1, 1, 2, 6, 24, 120, 720, 5040, 40320, 362880 };
int cantor(int a[], int n)
{
	int x = 0;
	for (int i = 0; i < n; i++)
	{
		int count = 0;
		for (int j = i + 1; j < n; j++)
		{
			if (a[j] < a[i])
				count++;
		}
		x += count * factory[n - i - 1];
	}
	return x;
}

逆康托展开

由康托展开可以得到排列数在其序列中位置,同样可以利用逆康托展开来求固定位置上的全排列数

例如在{1,2,3,4,5}的排列中,求第59个排列数:

排名从0开始,故59-1=58;

首先用58/4!  ,得2余10,有2个比它小的数,故取3;

用余数10 / 3!,得1余4,有1个比它小的,故取2;

用4 / 2!,得2余0,有2个比它小的,而且2,3已经出现过,故取5;

用0 / 1!,得0,故取1;

最后一个即为4;

故排列数为32514。

/*
    在由1到n组成的前n个数的全排列中,找字典序排第m的序列。
    字典序最小的序列123...n,排名为0;
    字典序最大的序列n...321,排名为(n!-1)。
    如,在由1、2、3组成的序列的全排列中,
        序列123的排名是0, 序列321的排名是5。
    另外:代码中,facts[i]为i的阶乘;
*/
vector<int> decode(int n, int m){
    vector<int> res;
    long long board = 0;
    int i, t, r;
    /*
    注意,如果需要的排名是[1, n],
    即在由1、2、3组成的序列的全排列中,要求序列123的排名是1,
    那么,这里加一句:--m。
    */
    for(t = n;t > 0;--t){
        r = m / facts[t - 1];
        m %= facts[t - 1];
        for(i = 1;i <= n;++i){
            if(!((board >> i) & 1)){
                if(r == 0)break;
                else --r;
            }
        }
        res.push_back(i);
        board |= 1 << i;
    }
    return res;
}

 

转载于:https://www.cnblogs.com/aerer/p/9931075.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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