hdu 3089 约瑟夫环

原来并不知道约瑟夫环还可以递推直接解orz

约瑟夫问题的递推公式:

设f[n]表示一共n个人,数到k出局,这样最后的winner (n个人从0开始标号,即0--n-1)

f[n]=(f[n-1]+k)%n    (注意%n里这个n也是变量

初值f[1]=0

【公式的详细证明可以refer这里:http://blog.csdn.net/a725sasa/article/details/11664375 】

 

不过本题n很大,O(n)仍然会爆

注意到公式中的%n:如果f[n-1]+k小于n,那么就不用再mod了

如果f[n-1]+若干个k还是很小,就可以一次多跳几步

Reference:http://blog.csdn.net/gyarenas/article/details/9073045

 1 //f[1]=0    f[i]=(f[i-1]+m)%i
 2 //ty=(tx+m)%i
 3 #include<iostream>
 4 #include<cstdio>
 5 #include<cstring>
 6 using namespace std;
 7 #define LL long long
 8 LL n,k;
 9 
10 LL solve(LL n,LL k)
11 {
12     LL i=2;
13     LL tx=0;
14     while(i<=n)
15     {
16         LL x=(i-1-tx)%(k-1)?(i-1-tx)/(k-1):(i-1-tx)/(k-1)-1;
17         if(tx+k<i)
18         {
19             if(i+x>n)
20             {
21                 tx=tx+(n+1-i)*k;
22                 return(tx);
23             }
24             tx=tx+x*k;
25             i+=x;
26         }
27         else
28         {
29             tx=(tx+k)%i;
30             i++;
31         }
32     }
33     return(tx);
34 }
35 
36 int main()
37 {
38     while(scanf("%I64d%I64d",&n,&k)!=EOF)
39     {
40         int i=2;
41         LL tx=0;
42         if(k==1)
43         {
44             tx=(n-1)%n;
45         }
46         else
47             tx=solve(n,k);
48         tx=(tx+1)%n;
49         if(tx==0)   tx+=n;
50         printf("%I64d\n",tx);
51     }
52 }
View Code

 

转载于:https://www.cnblogs.com/pdev/p/4506757.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是长期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性回归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
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