QDUOJ 67 - 礼上往来(错排公式)

本文探讨了一种特定的排列组合问题——错排问题,并提供了一个C++实现的例子。问题背景设定为节日间如何合理地交换礼物,确保没有人收到自己送出的礼物。通过递推公式计算所有可能的交换方案。

礼上往来
发布时间: 2016年1月3日 19:13 最后更新: 2016年1月3日 19:15 时间限制: 1000ms 内存限制: 128M

描述
每当节日来临,女友众多的xxx总是能从全国各地的女友那里收到各种礼物。

有礼物收到当然值得高兴,但回礼确是件麻烦的事!

无论多麻烦,总不好意思收礼而不回礼,那也不是xxx的风格。

现在,即爱面子又抠门的xxx想出了一个绝妙的好办法:他准备将各个女友送来的礼物合理分配,再回送不同女友,这样就不用再花钱买礼物了!

假设xxx的n个女友每人送他一个礼物(每个人送的礼物都不相同),现在他需要合理安排,再回送每个女友一份礼物,重点是,回送的礼物不能是这个女友之前送他的那个礼物,不然,xxx可就摊上事了,摊上大事了……

现在,xxx想知道总共有多少种满足条件的回送礼物方案呢?

输入
输入数据第一行是个正整数T,表示总共有T组测试数据(T <= 100); 每组数据包含一个正整数n,表示叽叽哥的女友个数为n( 1 <= n <= 100 )。

输出
请输出可能的方案数,因为方案数可能比较大,请将结果对10^9 + 7 取模后再输出。 每组输出占一行。

样例输入1 复制
3
1
2
4
样例输出1
0
1
9

错排公式:

n 个不同元素的一个错排可由下述两个步骤完成:
第一步,“错排” 1 号元素(将 1 号元素排在第 2 至第 n 个位置之一),有 n - 1种方法。
第二步,“错排”其余 n - 1 个元素,按如下顺序进行。视第一步的结果,若1号元素落在第 k 个位置,第二步就先把 k号元素“错排”好, k 号元素的不同排法将导致两类不同的情况发生:
1、 k 号元素排在第1个位置,留下的 n - 2 个元素在与它们的编号集相等的位置集上“错排”,有 f(n -2)种方法;
2、 k 号元素不排第 1 个位置,这时可将第 1 个位置“看成”第 k个位置(也就是说本来准备放到k位置为元素,可以放到1位置中),于是形成(包括 k 号元素在内的) n - 1 个元素的“错排”,有f(n - 1) 种方法。据加法原理,完成第二步共有 f(n - 2)+f(n - 1)种方法。
根据乘法原理, n 个不同元素的错排种数
f(n) = (n-1)[f(n-2)+f(n-1)] (n>2)。

AC代码
#include<stdio.h>
using namespace std;
const int mod = 1000000007;
int main()
{
    int t,n;
    long long a[200] = {0,0,1},i,j;
    for(i = 3; i<=100; i++)
        a[i] = ((a[i-1]+a[i-2])%mod)*(i-1)%mod;
    scanf("%d",&t);
    while(t--)
    {
        scanf("%d",&n);
        printf("%lld\n",a[n]);
    }
    return 0;
}
内容概要:本文提出了一种基于神经网络的数据驱动迭代学习控制(ILC)算法,专门针对具有未知动态模型和重复作业特征的非线性单输入单输出(SISO)离散时间系统,应用于无人车路径跟踪控制问题,并配套提供了完整的Matlab代码实现。该方法巧妙融合了神经网络强大的非线性逼近能力与迭代学习控制在重复任务中不断提升精度的优势,能够在缺乏精确系统数学模型的情况下,通过多次运行迭代自主优化控制输入序列,显著提高路径跟踪的准确性与鲁棒性。文章不仅展示了核心算法的设计与实现,还列举了涵盖机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研领域的技术资源,凸显其在智能控制系统仿真与科研创新中的广泛适用性和实用价值。; 适合人群:具备自动控制理论、机器人学或智能系统相关背景,正在从事科研或工程开发工作的研究生、科研人员及技术研发工程师;熟悉Matlab/Simulink编程环境者将更易于上手和深入理解。; 使用场景及目标:①应用于无人车、移动机器人等在重复轨迹任务下的高精度路径跟踪控制,特别适用于系统模型难以精确建模但任务周期性重复的实际场景;②作为数据驱动型智能控制算法的教学与实验平台,帮助研究人员深入理解神经网络与ILC的协同机制,推动先进控制策略的自主创新;③为科研工作者提供可复现的算法范例,加速控制理论研究成果的验证与转化,提升科研效率。; 阅读建议:建议结合所提供的Matlab代码逐模块分析算法实现流程,重点剖析神经网络如何与ILC框架集成以实现误差补偿与控制律更新,并尝试在不同路径场景下调试参数以观察控制性能变化,同时可参考文中提及的其他技术方向拓展研究思路,实现跨领域融合创新。
内容概要:本文针对间歇性光伏出力条件下48V直流母线电压的稳定控制问题,开展储能系统双向充放电闭环调控体系的研究。通过构建光伏阵列与锂离子电池耦合的独立直流供电系统模型,综合考虑光照与温度扰动对系统功率平衡的影响,采用Simulink平台实现系统级仿真。研究内容涵盖光伏最大功率点跟踪(MPPT)控制、Boost升压变换器与双向DC-DC变换器的协同调控、储能系统的能量管理策略以及直流母线电压的分层协调控制机制,重点解决因光伏出力波动导致的功率失衡与电压不稳定问题。通过仿真验证了所提出的控制策略在维持母线电压稳定、实现能量高效利用及提升系统动态响应性能方面的有效性,为离网型光伏储能系统的工程设计提供了理论支撑与技术参考。; 适合人群:电气工程、新能源系统、电力电子与自动化等相关专业的研究生、科研人员及从事微电网、光伏储能系统开发的工程技术人员。; 使用场景及目标:①研究离网光伏储能系统中直流母线电压稳定控制方法;②设计储能系统在功率波动条件下的双向能量管理策略;③掌握基于Simulink的光伏-储能系统建模与仿真技术;④为实际微电网控制系统的设计与优化提供理论依据和技术参考。; 阅读建议:建议结合Simulink仿真模型进行同步学习,重点关注各模块(光伏、储能、变换器、控制器)的建模细节与参数设置,深入理解控制逻辑与系统动态响应特性,有条件者可进一步开展硬件在环或实验平台验证。
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