洛谷P2915 [USACO08NOV]奶牛混合起来Mixed Up Cows(状压DP)

题目描述

约翰家有N头奶牛,第i头奶牛的编号是 S i S_i Si,每头奶牛的编号都是唯一的。这些奶牛最近 在闹脾气,为表达不满的情绪,她们在挤奶的时候一定要排成混乱的队伍。在一只混乱的队 伍中,相邻奶牛的编号之差均超过 K K K。比如当 K = 1 K = 1 K=1时, 1 , 3 , 5 , 2 , 6 , 4 1, 3, 5, 2, 6, 4 1,3,5,2,6,4就是一支混乱的队伍, 而 1 , 3 , 6 , 5 , 2 , 4 1, 3, 6, 5, 2, 4 1,3,6,5,2,4不是,因为 6 6 6 5 5 5只差 1 1 1。请数一数,有多少种队形是混乱的呢?

输入输出格式
输入格式:

第一行两个整数 N , K N,K N,K
第二行到 N + 1 N + 1 N+1行,为奶牛的编号 S i S_i Si

输出格式:

一行一个整数,混乱队形的种类数,对 9999973 9999973 9999973取模。答案保证不超过 l o n g   l o n g long ~long long long 范围。

输入样例
4 1 
3 
4 
2 
1 
输出样例
2

————————————————————————————————————

一道经典的状压DP

思路

我们设 d p [ i ] [ j ] dp[i][j] dp[i][j] 为已经选了 i i i 头牛 , 状态为 j j j的方案数。
我们可以先预处理出只有一头牛的情况,就是这个二进制数里只有一个 1 1 1的情况。

	for (int i = 1; i <= n; i++) dp[i][1 << (i - 1)] = 1;

然后我们开始枚举。
首先枚举所有状态。再枚举两只可能的牛。如果只有一头牛都在这个状态里,则这个状态是合法的。

然后我们更新状态

	dp[j][i | (1 << (j - 1))] += dp[k][i];

因为有一头牛再状态里没有出现,所以我们将它更新。

code

#include<bits/stdc++.h>

using namespace std;

const int p = 9999973;
int n, m;
long long ans;
int num[17];
long long dp[17][1 << 17];
int main()
{
	cin >> n >> m;
	for (int i = 1; i <= n; i++) cin >> num[i];
	for (int i = 1; i <= n; i++) dp[i][1 << (i - 1)] = 1;
	for (int i = 1; i <= (1 << n) - 1; i++) 
	{
		for(int j = 1 ; j <= n ; j ++)
			for (int k = 1; k <= n; k++)
			{
				if (j != k && (!(i & (1 << (j - 1)))) && (i & (1 << (k - 1))))
					if (abs(num[j] - num[k]) > m)
						dp[j][i | (1 << (j - 1))] += dp[k][i];
			}
	}
	for (int i = 1; i <= n; i++)
		ans =(ans +dp[i][(1 << n) - 1]);
	cout << ans;
//	system("pause");
}

End

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
代码下载:完整代码,可直接运行 ;运行版本:2022a或2019b或2014a;若运行有问题,可私信博主; **仿真咨询 1 各类智能优化算法改进及应用** 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化 **2 机器学习和深度学习方面** 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断 **3 图像处理方面** 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 **4 路径规划方面** 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化 **5 无人机应用方面** 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配 **6 无线传感器定位及布局方面** 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化 **7 信号处理方面** 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化 **8 电力系统方面** 微电网优化、无功优化、配电网重构、储能配置 **9 元胞自动机方面** 交通流 人群疏散 病毒扩散 晶体生长 **10 雷达方面** 卡尔曼滤波跟踪、航迹关联、航迹融合

“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