SDUT3145:Integer division 1(换零钱背包)

题目:传送门

题目描述

整数划分是一个非常经典的数学问题。

所谓整数划分,是指把一个正整数n写成为n=m1+m2+...+mi的形式,其中mi为正整数,并且1<=mi<=n,此时,{m1, m2, ..., mi}为n的一个划分。如果{m1, m2, ..., mi}中的最大值不超过m,即max{m1, m2, ..., mi}<=m,那么我们称之为整数n的一个m划分。

现在给出你正整数n和m,请你输出n的m划分的数量。

例如,当n=4时,有5个划分,即{4}, {3,1}, {2,2}, {2,1,1}, {1,1,1,1}。

注意,4=1+3和4=3+1被认为是同一个划分。

输入

输入文件以EOF结束。

每组数据占一行,有两个正整数n和m。(n,m<=50)

输出

输出n的m划分的数量。

示例输入

4 4

示例输出

5

在比赛时通过做这题,明显发现了自己的不足,学过的知识理解的不透彻,明知道这题是神奇的换零钱的模板,但是没有推出来公式,还好我在模板里面找到了这题,1A。

代码如下:
#include <iostream>
#include <algorithm>
#include <math.h>
#include <map>
#include <queue>
#include <stack>
#define inf 0x3f3f3f3f
#include <stdio.h>
#include <string.h>
typedef long long ll;
#define mod 10000007
#define eps 1e-9
using namespace std;
int n,m,dp[100];
int main()
{
   while(scanf("%d%d",&n,&m)!=EOF)
   {
       m=min(m,n);
       memset(dp,0,sizeof(dp));
       dp[0]=1;
       for(int i=1;i<=m;i++)
       {
           for(int j=i;j<=n;j++)
           {
               dp[j]+=dp[j-i];
           }
       }
       printf("%d\n",dp[n]);
   }
   return 0;
}
 
递归暴力的方法:

如下:

根据n和m的关系,考虑一下几种情况:

(一)当n=1时,无论m的值为多少(m>0),只有一种划分,即{1}。

(二)当m=1时,无论n的值为多少,只有一种划分,即n个1,{ 1,1,…,1}。

(三)当n=m时,根据划分中是否包含n,可以分为一下两种情况:

(1)划分中包含n的情况,只有一个,即{n}。

(2)划分中不包含n的情况,这时划分中最大的数字也一定比n小,即n的所有(n-1)划分。

因此f(n,n)=1+f(n,n-1)。

(四)当n<m时,由于划分中不可能出现负数,因此就相当于f(n,n)。

(五)当n>m时,根据划分中是否包含最大值m,可以分为以下两种情况:

(1)划分中包含m的情况,即{m, {x1,x2,…,xi}},其中{x1,x2,…,xi}的和为n-m,因此这种情况下为f(n-m,m)。

(2)划分中不包含m的情况,则划分中所有值都比m小,即n的(m-1)划分,个数为f(n,m-1)。

因此f(n,m)=f(n-m,m)+f(n,m-1)。

				
时间: 2024-11-10 00:18:30

SDUT3145:Integer division 1(换零钱背包)的相关文章

透析递归应用-换零钱

题目源于<SICP>,这里做一下调整,如下: 给了面值为50元.20元.10元.5元.1元的五种零钱若干,思考把面值100元人民币换成零钱一共有多少种方式? SICP给出的递归算法思想如下: 将总数为a的现金换成n种不同面值的不同方式的数目等于: 将现金a换成除了第一种面值之外的所有其他面值的不同方式数目,加上 将现金a-d换成所有种类的面值的不同方式数目,其中d是第一种面值的钱币 下面有解释到,递归的思想是要将问题归约到对更少现金数或更多种类面值钱币的同一个问题.有如下的约定: 如果a==0

贪心算法换零钱(java)

贪心算法思想 贪心算法总是做出在当前看来做好的选择.也就是说贪心算法并不从整体最后考虑,他做出的选择只是局部最优选择.他所做出的仅是在某种意义上的局部最优解.贪心算法不是对所有问题都能得到整体最优解,但对范围相当广泛的许多问题他能产生整体最优解或者是整体最优解的近似解. 1.算法思路 贪心算法是一种不追求最优解,只希望得到较为满意解的方法.贪心算法一般可以快速得到满意的解,因为它省去了为找最优姐要穷尽所有肯呢个而必须耗费大量时间.贪婪(心)算法是一种改进了的分级处理方法.其核心是根据题意选取一种

递归练习之换零钱方式统计(c/c++)

/********************************************************************************* Copyright (C), 1988-1999, drvivermonkey. Co., Ltd. File name: Author: Driver Monkey Version: Mail:[email protected] qq:196568501 Date: 2014.04.02 Description: 递归练习之换零钱

关于SICP 1.2.2节中的换零钱方式的统计研究及其迭代实现。

关于SICP 1.2.2节中的换零钱方式的统计研究及其迭代实现 最近开始看sicp(计算机程序的构造和解释)一书,此书竟然是mit的计算机入门教材,不得不令人感叹天朝大学教育与真正一流大学的差距之大..我们在学习c语言的时候,人家已经开始学习剥离具体语言之外的编程思想了..扯远了,说回正题 sicp在1.2.2节中提到了一个有意思的换零钱实例: 将1美元(100美分)换成半美元,1/4美元,10美分,5美分,1美分的零钱,一共有多少种换法? 初看感觉有点无从下手,脑子里想的是各种排列组合,一片混

递归解决换零钱问题--回顾总结之递归的表达能力

前面为了保持叙述的流畅,没有做太多的引申,把总结推迟到了后面. 补上一些总结,以防止出现"下面呢?下面没有了"的尴尬. 方向性问题 虽然题目在一开始就暗示了这一点,但首先,我们还是要问,它能用递归解决吗? 有点怀疑精神是好的,既要低头走路,更要抬头看路,以防止发生方向性错误,导致缘木求鱼的后果. 说这个问题能用递归解决,这种信心或者判断的依据来自于哪呢? 有人可能知道了,换零钱这个问题在<计算机程序的构造和解释>(SICP:Structure and Interpretat

动态规划题目(一)——换零钱

动态规划题目(一)--换零钱 1. 题目描述 想兑换100元钱,有1,2,5,10四种钱,问总共有多少兑换方法. 下面提供两种实现方式,其中代码注释的很清楚. 关于动态规划的基本原理,参考: http://www.cnblogs.com/sdjl/articles/1274312.html 2. 递归解法 //动态规划 #include<iostream> using namespace std; const int N = 100; int dimes[] = {1, 2, 5, 10};

小P的故事——神奇的换零钱&amp;&amp;人活着系列之平方数

http://acm.sdut.edu.cn/sdutoj/showproblem.php?pid=2777&cid=1219 这题不会,看了别人的代码 #include <iostream> #include <string.h> #include <stdlib.h> #include <stdio.h> using namespace std; int dp[32770]; int main() { int n,i,j; int w[4]= {

DeepFaceLab报错,integer division or modulo by zero

DeepFaceLab的集成环境在众多换脸软件中是做的最好的.但是使用过程也会出现一些错误,主要的错误有两个,一个是你配置太低OOM了,主要体现显存太低.第二个是版本不对应.比如你原先用的cuda9.0或cuda9.2, 然后你升级到了Deepfacelab10.1,这个时候必须装新的CUDA10.1(驱动). 除了这两个常见错误之外,很少见到其他错误,不过最近由于我自己的操作问题遇到一个新的错误,分享一下,可能你们也会遇到. ? 错误提示大概如上,核心提示信息有两个. jpg is  not

Why Python&#39;s Integer Division Floors ---- python int(6/-132)时答案不一致,向下取整

leetcode150题中有一个步骤: int(6/-132) == 0 or ==-1? 在自己本地python3环境跑是int(6/-132) =0,但是提交的时候确实-1. 查找相关资料解惑: Why Python's Integer Division Floors为何Python整除运算采用向下取整的规则 今天(又)有人问我,为什么Python中的整除(integer division)返回值向下取整(floor)而不是像C语言中那样向0取整. 在正整数范围内,两者并无实质差别,例如: