【dp+数论】PKU-3420-Quad Tiling

本文介绍了一种使用状态压缩动态规划与矩阵快速幂的方法来解决4xN长方形用2x1小长方形填充的问题。通过DFS寻找状态转移关系,并利用矩阵运算加速求解过程。

题目要求用2x1的小长方形去填满一个4xN的大长方形,问有多少种填法……如果数据不大,那完全就是一道很裸的状态压缩dp,不过这题数据大得惊人,所以就想到了矩阵的快速幂相乘,不过找相邻之间的关系那里还是挺麻烦的,这里就贴上以为牛人关于用一个dfs来找关系的解析点击打开链接

题目

#include<iostream>
#include<cstdio>
#include<cstring>
#include<map>
using namespace std;
#define LL long long
#define N (1<<4)
int mod;
struct matrix
{
    int mat[N][N];
}tmp,ans;
void dfs(int d,int now,int pre)               //d表示第几列
{
    if(d>4)return;
    if(d==4)
    {
        tmp.mat[pre][now]++;               //表示由第i-1行状态pre转移到第i行状态now的方法数
        return;
    }
    dfs(d+1,now<<1,(pre<<1)|1);               //i行不放,但i-1行应该是是有的
    dfs(d+1,(now<<1)|1,pre<<1);               //竖直放置,第i行增加一个状态,而第i-1行本应该就是空的,好让能放下去
    dfs(d+2,(now<<2)|3,(pre<<2)|3);               //横放在第i行,这时i-1行应该是满的,要不就会留空了
}
matrix mul(matrix a,matrix b)
{
    matrix ant;
    for(int i=0;i<N;i++)
    {
        for(int j=0;j<N;j++)
        {
            ant.mat[i][j]=0;
            for(int k=0;k<N;k++)
            {
                (ant.mat[i][j]+=a.mat[i][k]*b.mat[k][j])%=mod;
            }
        }
    }
    return ant;
}
void pow(int n,matrix Mat)
{
    while(n)
    {
        if(n&1)ans=mul(ans,Mat);
        Mat=mul(Mat,Mat);
        n>>=1;
    }
}
int main()
{
    freopen("a.txt","r",stdin);
    memset(tmp.mat,0,sizeof(tmp.mat));
    dfs(0,0,0);               //找相邻之间状态转移的关系
    int n;
    while(scanf("%d%d",&n,&mod)&&n)
    {
        ans=tmp;
        pow(n,tmp);
        printf("%d\n",ans.mat[0][N-1]);
    }
    return 0;
}


标题基于Flask框架的微博大数据分析与可视化系统实现AI更换标题第1章引言介绍微博大数据分析与可视化系统的研究背景、意义、现状及论文的创新点。1.1研究背景与意义阐述微博大数据分析在信息传播、舆情监控等领域的重要性。1.2国内外研究现状分析国内外微博大数据分析与可视化系统的研究进展与现状。1.3论文创新点概述本文在微博大数据分析与可视化系统方面的创新之处。第2章相关理论介绍Flask框架及微博大数据分析与可视化的相关理论。2.1Flask框架基础阐述Flask框架的特点、优势及基本应用。2.2大数据分析技术介绍大数据分析的基本原理、方法及常用工具。2.3数据可视化技术讨论数据可视化技术的种类、应用场景及实现方法。第3章系统设计详细介绍基于Flask框架的微博大数据分析与可视化系统的设计方案。3.1系统架构设计给出系统的整体架构、模块划分及各模块功能。3.2数据库设计阐述数据库的设计思路、表结构及数据关系。3.3界面设计介绍系统的用户界面设计原则、布局及交互方式。第4章系统实现阐述基于Flask框架的微博大数据分析与可视化系统的实现过程。4.1数据采集与预处理介绍微博数据的采集方法、预处理流程及数据清洗技术。4.2数据分析与挖掘详细介绍数据分析与挖掘的算法、模型及实现过程。4.3可视化展示阐述数据可视化展示的实现方法,包括图表类型、交互设计等。第5章系统测试与优化对基于Flask框架的微博大数据分析与可视化系统进行测试与优化。5.1系统测试方法介绍系统测试的方法、步骤及测试用例设计。5.2测试结果分析对测试结果进行详细分析,包括性能指标、稳定性评估等。5.3系统优化策略提出系统优化的策略,包括算法优化、代码优化等。第6章结论与展望总结本文的研究成果,并展望未来的研究方向。6.1研究结论概括本文的主要研究结论和系统实现效果。6.2展望指出本文研究的不足之处以及未来在微博大数据
内容概要:本文档详细介绍了基于Peng-Robinson状态方程的Matlab代码实现方法,系统性地研究了纯组分与多组分系统的压缩因子(z因子)和逸度系数的计算过程,并进一步拓展至泡点压力与露点压力的确定。该资源聚焦于化工热力学中的核心相平衡问题,通过Matlab编程实现了物性参数的数值求解,涵盖方程求根、迭代算法设计、相态判别等关键技术环节,有助于深入理解实际气体行为及混合物相平衡特性。文档同时展示了该技术在油气工程、化学过程模拟等领域的应用潜力,并列举了多个相关科研方向,体现出其在多学科交叉仿真研究中的支撑价值。; 适合人群:具备化工热力学基础知识及Matlab编程能力的高校学生、科研人员和工程技术人员,尤其适合从事流程模拟、石油天然气工程、反应工程及化工系统优化等方向的硕博研究生与研发工作者。; 使用场景及目标:①开展化工过程中涉及真实气体物性计算的科研项目;②完成化工原理、热力学课程设计或学位论文中的相平衡计算模块开发;③作为Matlab在化工计算中应用的教学案例或实验指导材料;④为复杂多组分体系的工业流程模拟与工艺优化提供算法基础和技术参考。; 阅读建议:建议读者结合经典化工热力学教材深入理解Peng-Robinson方程的理论推导与适用条件,在此基础上通过Matlab代码动手实现迭代求解流程,重点关注初值选取、收敛判断与多重解处理等细节,同时可借鉴文档中提及的相关研究方向拓展科研视野与应用思路。
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