集合划分问题

简介: 集合划分问题

问题描述


n个元素的集合{1,2,.,n }可以划分为若干个非空子集。例如,当n=4 时,集合{1,2,3,4}可以划分为15个不同的非空子集如下:

四个子集:{1},{2},{3},{4}},

三个子集:{{1,2},{3},{4}},{{1,3},{2},{4}}, {{1,4},{2},{3}},{{2,3},{1},{4}}, {{2,4},{1},{3}},{{3,4},{1},{2}},

两个子集: {{1,2},{3,4}},{{1,3},{2,4}}, {{1,4},{2,3}},{{1,2,3},{4}}, {{1,2,4},{3}},{{1,3,4},{2}}, {{2,3,4},{1}},

一个子集:{{1,2,3,4}}

算法设计:


给定正整数n 和m,计算出n 个元素的集合{1,2,., n }可以划分为多少个不同的由m 个非空子集组成的集合。

数据输入:


由文件input.txt 提供输入数据。文件的第1 行是元素个数n 和非空子集数m。

image.png

问题分析


回顾问题:给定正整数n 和m,计算出n 个元素的集合{1,2,., n }可以划分为多少个不同的由m 个非空子集组成的集合。假定多少个用F(m,n)来计算

若m=1,则F(m,n)=1 --> 所有元素放在一个大集合中

若m=n,则F(n,m)=1 --> 所有元素都是单元素集合,然后将单元素集合放在一个大集合中

最后剩下F(n,m),可以分为以下两个情况:

a. 向n-1个元素中划分的m个非空字节构成的集合中添加一个新的元素,则有mF(n-1,m)种情况

b. 向n-1个元素中划分的m-1的集合中添加一个元素的独立集合,则总非空集合有m-1+1=m个,则有1F(n-1,m-1)种情况


综合上面的情况,我们可以得出一个递归的式:

image.png

image.png

代码实现


#include "stdafx.h"
#include "stdio.h"
#include "iostream.h"
#include<fstream>//用于文件输入输出
using namespace std;
int setpart(int n,int m)//递归实现
{
    if(m==1 || m==n) return 1;
    return setpart(n-1,m-1)+m*setpart(n-1,m);
}
int main(int argc, char* argv[])
{
    ifstream infile("input.txt",ios::in);
    int m,n;
    infile>>n;
    infile>>m;
    cout << "元素个数为" <<n<<'\t'<<"组成集合的非空集合数:"<<m<< endl;
    int out;
    out=setpart(n,m);
    ofstream outfile;
    outfile.open("out.txt");
    cout << "Writing to the file" << endl;
    cout << out << endl;
    outfile<<out<< endl;
    return 0;
}
相关文章
|
Python
python numpy安装
一、python下的numpy安装方法 第一步:安装python,这里不做介绍。 第二步:打开cmd看python是否安装成功。 第三步:输入 python -m pip install -U pip 安装pip文件,pip文件一般在python安装包的script目录下。
5673 0
|
Linux API C++
PCI-E配置MSI中断流程解析
<div id="article_content" class="article_content" style="margin: 20px 0px 0px; font-size: 14px; line-height: 26px; font-family: Arial;"> <p style="margin-top: 0px; margin-bottom: 0px; padding-top: 0
7517 0
|
8月前
|
分布式计算 Spark
【赵渝强老师】Spark的容错机制:检查点
Spark通过Checkpoint机制将RDD状态持久化到磁盘,以支持容错。当任务执行出错时,可以从检查点位置重新计算,减少开销。Checkpoint目录可设置为本地文件夹或HDFS。建议生产系统使用高可靠的文件系统保存检查点。文中详细介绍了在本地和HDFS上设置检查点目录的步骤,并附有代码示例和视频讲解。
166 7
|
Web App开发 安全 中间件
谷歌、火狐、Edge等浏览器如何使用ActiveX控件
allWebPlugin 是一款为用户提供安全、可靠且便捷的浏览器插件服务的中间件产品,支持 Chrome、Firefox、Edge 和 360 等浏览器。其 V2.0.0.20 版本支持一个页面加载多个插件,并解决了插件与浏览器之间的焦点问题。用户可通过“信息化系统 + allWebPlugin + 插件 + 浏览器”的解决方案实现 ActiveX 插件的无缝集成。下载地址见文末,安装包含详细说明。
3018 133
|
存储 机器学习/深度学习 移动开发
汇编语言指令系列
汇编语言指令系列
2594 0
|
11月前
|
API PHP 数据库
PHP中哪个框架最适合做API?
在数字化时代,API作为软件应用间通信的桥梁至关重要。本文探讨了PHP中适合API开发的主流框架,包括Laravel、Symfony、Lumen、Slim、Yii和Phalcon,分析了它们的特点和优势,帮助开发者选择合适的框架,提高开发效率、保证接口稳定性和安全性。
381 3
|
监控 机器人 Unix
GoLand——windows下如何编译Linux二进制文件
GoLand——windows下如何编译Linux二进制文件
189 1
GoLand——windows下如何编译Linux二进制文件
|
12月前
|
SQL Oracle 安全
免费 Oracle 各版本 离线帮助使用和介绍
免费 Oracle 各版本 离线帮助使用和介绍
247 2
|
存储 自然语言处理 算法
【算法精讲系列】MGTE系列模型,RAG实施中的重要模型
检索增强生成(RAG)结合检索与生成技术,利用外部知识库提升大模型的回答准确性与丰富性。RAG的关键组件包括文本表示模型和排序模型,前者计算文本向量表示,后者进行精细排序。阿里巴巴通义实验室推出的GTE-Multilingual系列模型,具备高性能、长文档支持、多语言处理及弹性向量表示等特性,显著提升了RAG系统的检索与排序效果。该系列模型已在多个数据集上展示出优越性能,并支持多语言和长文本处理,适用于各种复杂应用场景。
2258 18
|
安全
《霸下-七层流量清洗提供安全防护新方案》电子版地址
霸下-七层流量清洗提供安全防护新方案
306 0
《霸下-七层流量清洗提供安全防护新方案》电子版地址