统计蚂蚁(ants)

统计蚂蚁(ants) ⁡ \operatorname{统计蚂蚁(ants)} (ants)

题目链接: SSL比赛 1508 ⁡ \operatorname{SSL比赛\ 1508} SSL 1508

题目

蚂蚁山上有 T ( 1 < = T < = 1 , 000 ) T(1<=T<=1,000) T(1<=T<=1,000) 种蚂蚁,标记为 1.. T , 1..T, 1..T, 每种蚂蚁有 N i N_i Ni 只蚂蚁 ( 1 < = N i < = 100 ) , (1<=N_i<=100), (1<=Ni<=100), 现有 A ( A < = 5000 ) A(A<=5000) A(A<=5000) 只蚂蚁,从中选出 S , S + 1 , … , B ( 1 < = S < = B < = A ) S,S+1,…,B(1<=S<=B<=A) S,S+1,,B(1<=S<=B<=A) 只蚂蚁一共有多少种选法?

如有 5 5 5 只蚂蚁分别为 { 1 , 1 , 2 , 2 , 3 } , \{1,1,2,2,3\}, {1,1,2,2,3}, 一共有 3 3 3 种蚂蚁,每一种蚂蚁的数量分别为 2 2 2 2 2 2 1 1 1 ,以下是选不同数量蚂蚁的方法:

  1. 1 1 1 个蚂蚁 3 3 3 种选法 : { 1 } { 2 } { 3 } :\{1\}\{2\}\{3\} :{1}{2}{3}

  2. 2 2 2 个蚂蚁 5 5 5 种选法 : { 1 , 1 } { 1 , 2 } { 1 , 3 } { 2 , 2 } { 2 , 3 } :\{1,1\}\{1,2\}\{1,3\}\{2,2\}\{2,3\} :{1,1}{1,2}{1,3}{2,2}{2,3}

  3. 3 3 3 个蚂蚁 5 5 5 种选法 : { 1 , 1 , 2 } { 1 , 1 , 3 } { 1 , 2 , 2 } { 1 , 2 , 3 } { 2 , 2 , 3 } :\{1,1,2\}\{1,1,3\}\{1,2,2\}\{1,2,3\}\{2,2,3\} :{1,1,2}{1,1,3}{1,2,2}{1,2,3}{2,2,3}

  4. 4 4 4 个蚂蚁 3 3 3 种选法 : { 1 , 2 , 2 , 3 } { 1 , 1 , 2 , 2 } { 1 , 1 , 2 , 3 } :\{1,2,2,3\}\{1,1,2,2\}\{1,1,2,3\} :{1,2,2,3}{1,1,2,2}{1,1,2,3}

  5. 5 5 5 个蚂蚁 1 1 1 种选法 : { 1 , 1 , 2 , 2 , 3 } :\{1,1,2,2,3\} :{1,1,2,2,3}

你的任务是从中选 S . . B S..B S..B 只蚂蚁的方法总和。

输入

第一行: 4 4 4 个空格隔开的整数: T , A , S T, A, S T,A,S B B B
2 2 2 A + 1 A+1 A+1 行:每行一个整数表示蚂蚁的种类。

输出

输出从 A A A 只蚂蚁中选出 S . . B S..B S..B 只蚂蚁的方法数,答案保留后 6 6 6 位。

样例输入

3 5 2 3
1
2
2
1
3

样例输出

10

数据范围

对于 30 % 30\% 30% 的数据: T < = 30 , A < = 100 ; T<=30,A<=100; T<=30,A<=100;
对于 50 % 50\% 50% 的数据: T < = 100 , A < = 400 ; T<=100,A<=400; T<=100,A<=400;
对于 100 % 100\% 100% 的数据: T < = 1000 , A < = 5000 ; T<=1000,A<=5000; T<=1000,A<=5000;

思路

这道题是一道 dp 。

可以看出蚂蚁放的位置没有太大关系,只会算作一个,就默认按种类编号从小到大放。
(因为是组合)
就设 f [ i ] [ j ] f[i][j] f[i][j] 为选完第 i i i 种蚂蚁,现在一共有 j j j 只的方案数。
那就枚举一个 k k k 表示第 i i i 种蚂蚁放多少个过去,那转移就是这样:
f [ i ] [ j ] = f [ i ] [ j ] + f [ i − 1 ] [ j − k ] f[i][j]=f[i][j]+f[i - 1][j - k] f[i][j]=f[i][j]+f[i1][jk]
(不过我用的是 f [ i ] [ j + k ] = f [ i ] [ j + k ] + f [ i − 1 ] [ j ] f[i][j+k]=f[i][j+k]+f[i-1][j] f[i][j+k]=f[i][j+k]+f[i1][j] ,都可以)

接着我们会发现超时,应该是爆内存(不太清楚,应该会)
那我这里就用了快读和 r e g i s t e r register register 来减时间,用滚动数组来减内存。
正解也是用滚动数组来减内存,但是好像减时间用的是前缀和。(可能我的方法可以卡过去吧)

前缀和就可以缩掉枚举的 k k k ,而滚动数组可以让 i i i 这一纬只用开到 2 2 2 的大小。

最后就枚举蚂蚁总数求出答案,就可以了。

代码

#include<cstdio>
#include<cstring>
#define ll long long
#define rr register
#define mo 1000000

using namespace std;

ll t, a, s, b, x, num[1001];
ll f[2][5001], ans;

ll read() {//快读
	ll an = 0, zhengfu = 1;
	char c = getchar();
	while (c < '0' || c > '9') {
		if (c == '-') zhengfu = -zhengfu;
		c = getchar();
	}
	while (c >= '0' && c <= '9') {
		an = an * 10 + c - '0';
		c = getchar();
	}
	return an * zhengfu;
}

int main() {
	t = read();//读入
	a = read();
	s = read();
	b = read();
	for (rr ll i = 1; i <= a; i++) {
		x = read();
		num[x]++;//记录每一种蚂蚁有多少个
	}
	
	f[0 & 1][0] = 1;//初始化
	for (rr ll i = 1; i <= t; i++) {//枚举种数
		memset(f[i & 1], 0, sizeof(f[i & 1]));//滚动数组
		for (rr ll j = 0; j <= b; j++)//枚举蚂蚁总数
			for (rr ll k = 0; k <= num[i] && k + j <= b; k++)//枚举这种蚂蚁有多少个
				f[i & 1][j + k] = (f[i & 1][j + k] + f[(i - 1) & 1][j]) % mo;//dp转移
	}
	
	for (rr ll i = s; i <= b; i++)
		ans = (ans + f[t & 1][i]) % mo;//求出答案
	
	printf("%lld", ans);//输出
	
	return 0;
}
CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
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