母函数[通俗易懂]

母函数

大家好,又见面了,我是全栈君。

在数学中,某个序列的母函数(Generating function,又称生成函数)是一种形式幂级数。其每一项的系数能够提供关于这个序列的信息。使用母函数解决这个问题的方法称为母函数方法

我们首先来看下这个多项式乘法:

母函数[通俗易懂]

由此能够看出:

1.x的系数是a1,a2,…an 的单个组合的全体。

2. x^2的系数是a1,a2,…a2的两个组合的全体。

………

n. x^n的系数是a1,a2,….an的n个组合的全体(仅仅有1个)。

令a1,a2…an都等于1,由此可得

母函数[通俗易懂]

这里先给出两句话。不懂的能够等看完这篇文章再回过头来看:

1.“把组合问题的加法法则和幂级数的乘幂相应起来”

2.“母函数的思想非常easy — 就是把离散数列和幂级数一 一相应起来,把离散数列间的相互结合关系相应成为幂级数间的运算关系。最后由幂级数形式来确定离散数列的构造. ”

母函数的定义

对于序列a0。a1,a2,…构造一函数:

母函数[通俗易懂]

第一种:

有1克、2克、3克、4克的砝码各一枚,能称出哪几种重量?每种重量各有几种可能方案?

考虑用母函数来解决问题:

我们如果x表示砝码。x的指数表示砝码的重量。这样:

1个1克的砝码能够用函数1+1*x^1表示,

1个2克的砝码能够用函数1+1*x^2表示。

1个3克的砝码能够用函数1+1*x^3表示,

1个4克的砝码能够用函数1+1*x^4表示。

上面这四个式子懂吗?

我们拿1+x^2来说,前面已经说过,x表示砝码,x的指数表示砝码的重量!初始状态时,这里就是一个质量为2的砝码。

那么前面的1表示什么?依照上面的理解,1事实上应该写为:1*x^0,即1代表重量为2的砝码没有取。

所以这里1+1*x^2 = 1*x^0 + 1*x^2,即表示2克的砝码有两种状态。不取或取,不取则为1*x^0。取则为1*x^2

 

接着讨论上面的1+x^2。这里x前面的系数有什么意义?

这里的系数表示状态数(方案数)

1+x^2。也就是1*x^0 + 1*x^2,也就是上面说的不取2克砝码。此时有1种状态;或者取2克砝码,此时也有1种状态。(分析!)

所以,前面说的那句话的意义大家能够理解了吧?

几种砝码的组合能够称重的情况,能够用以上几个函数的乘积表示:

(1+x)(1+x^2)(1+x^3)(1+x^4)

=(1+x+x^2+x^4)(1+x^3+^4+x^7)

=1 + x + x^2 + 2*x^3 + 2*x^4 + 2*x^5 + 2*x^6 + 2*x^7 + x^8 + x^9 + x^10

从上面的函数知道:可称出从1克到10克,系数便是方案数。(!

。!经典!!。)

比如右端有2^x^5 项,即称出5克的方案有2种:5=3+2=4+1。相同。6=1+2+3=4+2;10=1+2+3+4。

故称出6克的方案数有2种。称出10克的方案数有1种 。


接着上面,接下来是另外一种情况: 

另外一种:

求用1分、2分、3分的邮票贴出不同数值的方案数:

大家把这样的情况和第一种比較有何差别?第一种每种是一个,而这里每种是无限的。

母函数[通俗易懂]

以展开后的x^4为例。其系数为4。即4拆分成1、2、3之和的拆分方案数为4;

即 :4=1+1+1+1=1+1+2=1+3=2+2 

这里再引出两个概念”整数拆分“和”拆分数“:

所谓整数拆分即把整数分解成若干整数的和(相当于把n个无差别的球放到n个无标志的盒子。盒子同意空。也同意放多于一个球)。

整数拆分成若干整数的和,办法不一,不同拆分法的总数叫做拆分数

代码模板:

#include <iostream>  
using namespace std;  
const int _max = 10001;   
// c1是保存各项质量砝码能够组合的数目  
// c2是中间量。保存没一次的情况  
int c1[_max], c2[_max];     
int main()  
{      
    int nNum;     
    int i, j, k;  
   
    while(cin >> nNum)  
    {  
        for(i=0; i<=nNum; ++i)   // ---- ①  
        {  
            c1[i] = 1;  
            c2[i] = 0;  
        }  
        for(i=2; i<=nNum; ++i)   // ----- ②  
        {  
   
            for(j=0; j<=nNum; ++j)   // ----- ③  
                for(k=0; k+j<=nNum; k+=i)  // ---- ④  
                {  
                    c2[j+k] += c1[j];  
                }  
            for(j=0; j<=nNum; ++j)     // ---- ⑤  
            {  
                c1[j] = c2[j];  
                c2[j] = 0;  
            }  
        }  
        cout << c1[nNum] << endl;  
    }  
    return 0;  
} 

我们来解释下上面标志的各个地方:(***********!!

!重点!

!!***********)

①  、首先对c1初始化,由第一个表达式(1+x+x^2+..x^n)初始化,把质量从0到n的全部砝码都初始化为1.

②  、 i从2到n遍历。这里i就是指第i个表达式。上面给出的另外一种母函数关系式里。每个括号括起来的就是一个表达式。

③、j 从0到n遍历,这里j就是(前面i個表达式累乘的表达式)里第j个变量,(这里感谢一下seagg朋友给我指出的错误。大家能够看下留言处的讨论)。如(1+x)(1+x^2)(1+x^3),j先指示的是1和x的系数,i=2运行完之后变为

(1+x+x^2+x^3)(1+x^3)。这时候j应该指示的是合并后的第一个括号的四个变量的系数。

④ 、 k表示的是第j个指数,所以k每次增i(由于第i个表达式的增量是i)。

⑤  、把c2的值赋给c1,而把c2初始化为0。由于c2每次是从一个表达式中開始的。


版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请联系我们举报,一经查实,本站将立刻删除。

发布者:全栈程序员-站长,转载请注明出处:https://javaforall.net/115889.html原文链接:https://javaforall.net

(0)
全栈程序员-站长的头像全栈程序员-站长


相关推荐

  • OSTaskCreate创建失败原因之一

    OSTaskCreate创建失败原因之一在μcos中调用这个任务创建函数发现失败,debug进去,发现在err=OS_TCBInit(prio,psp,(OS_STK*)0,0u,0u,(void*)0,0u);后err=OS_ERR_TASK_NO_MORE_TCB这是因为在创建任务之初没有调用OSInit();…

    2022年9月3日
    2
  • 推荐.Net、C# 逆向反编译四大工具利器(请勿用来非法行为)[通俗易懂]

    推荐.Net、C# 逆向反编译四大工具利器(请勿用来非法行为)[通俗易懂]在项目开发过程中,估计也有人和我遇到过同样的经历:运行环境出现了重大Bug亟需解决、或者由于电脑挂了、旧代码覆盖新代码,而在这种情况下,我们不能直接在当前的代码中修改这个Bug然后发布,这会导致更严重的问题,因为相当于版本回退了。还有电脑挂了代码整个都没有,这种情况下我们只能只能利用一些逆向的技巧和工具了来解析在服务器发布好的dll。那么你只是单纯的修改一个.Net程序集中的某个方法或功能,而

    2022年6月22日
    22
  • intellij idea破解版(sw2018破解失败)

    IntelliJIDEA2018破解方法输入如下地址激活:http://www.luochenzhimu.com:1024 参考链接:https://www.7down.com/soft/223192.html

    2022年4月11日
    54
  • 电子元器件采购知识_电子元件购买

    电子元器件采购知识_电子元件购买​本部分内容为“电子元件知识汇总1-封装、电子元件知识汇总2-封装”的扩展,主要侧重于电子元件的品牌以及采购,若需采购厂商参见“电子元件知识汇总3-厂商”,仅供参考。​

    2022年8月24日
    3
  • RBF神经网络实验原理_神经网络多元拟合

    RBF神经网络实验原理_神经网络多元拟合RBF神经网络及拟合实例RBF神经网络介绍RBF神经网络结构RBF神经网络算法RBF神经网络逼近算法采用RBF神经网络逼近非线性函数神经网络逼近结果代码如下RBF神经网络介绍RBF神经网络结构径向基函数(RadialBasisFunction,RBF)神经网络是一种单隐含层的三层前馈神经网络,网络结构如下图所示RBF神经网络模拟了人脑中局部调整,相互覆盖接受域(或者说感受域,ReceptiveField)的神经网络结构。与BP神经网络相同,研究人员已经证明RBF神经网络能够以任何精度逼近任

    2025年6月1日
    0
  • python pymssql_python pymssql

    python pymssql_python pymssql前言最近在学习python,发现好像没有对pymssql的详细说明,于是乎把官方文档学习一遍,重要部分做个归档,方便自己以后查阅。pymssql是python用来连接MicrosoftSQLServer的一个工具库(package)。其包含两个模块:pymssql:遵从DB-API_mssql:性能更佳、更易于使用从版本2.1.x起,整个库的实现基于FreeTDSpymssql的架构如下:在W…

    2022年10月25日
    0

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注全栈程序员社区公众号