算法分析——N个苹果放在N个盘子里的问题

简介:

题的描述:现在有N个一模一样的苹果,要放在编号为1、2、3……、N的盘子里(假设盘子足够大,能放下所有的苹果),问一共有多少种放法?

 

算法分析:

用符号F(i,j)表示i个苹果放在j个盘子里的放法数

如果1号盘子里没有苹果,则i个苹果要放在剩余的j-1个盘子里

如果1号盘里有1个苹果,则剩余的i-1个苹果放在剩余的j-1个盘子里

如果1号盘里有2个苹果,则剩余的i-2个苹果放在剩余的j-1个盘子里

以此类推

如果1号盘里有i-1个苹果,则剩下的1个苹果放在j-1个盘子里

如果1号盘里有i个苹果,则剩下的j-1个盘子里没有苹果

 

于是得到以下的关系式

① F(i,j)=F(i,j-1)+F(i-1,j-1)+F(i-2,j-1)+……+F(1,j-1)+F(0,j-1)

由上面的式子可以得出

② F(i-1,j)=F(i-1,j-1)+F(i-2,j-1)+……+F(1,j-1)+F(0,j-1)

回代到①可知

③ F(i,j)=F(i,j-1)+F(i-1,j)

 

另由定义可知,

④ F(i,1)=1

⑤ F(1,i)=i

 

根据式子③④⑤,推测F(i,j)的计算公式为

⑥ F(i,j)=C(i,i+j-1) 注:C(M,N)表示组合数,表示N个里面选M的个数。组合数的计算公式这里不描述了

 

下面用数学归纳法证明式子⑥的正确性

证明:

F(i,1)=C(i,i+1-1)=C(i,i)=1 式子④满足式子⑥

F(1,i)=C(1,1+i-1)=C(1,i)=i 式子⑤满足式子⑥

 

假设F(i,j-1)、F(i-1,j)满足式子⑥

F(i,j-1)=C(i,i+j-1-1)=C(i,i+j-2)

F(i-1,j)=C(i-1,i-1+j-1)=C(i-1,i+j-2)

 

则由式子③可知

F(i,j)=F(i,j-1)+F(i-1,j)=C(i,i+j-2)+C(i-1,i+j-2)=C(i,i+j-1) 满足式子⑥

 

由此证明式子⑥的正确性

 

故计算公式为

F(i,j)=C(i,i+j-1)

 

那么

3个苹果放在3个盘子里的放法数为F(3,3)=C(3,3+3-1)=C(3,5)=10

2个苹果放在4个盘子里的放法数为F(2,4)=C(2,2+4-1)=C(2,5)=10

7个苹果放在7个盘子里的放法数为F(7,7)=C(7,7+7-1)=C(7,13)=1716

10个苹果放在10个盘子里的放法数为F(10,10)=C(10,10+10-1)=C(10,19)=92378

 

N个苹果放在N个盘子里的放法数为F(N,N)=C(N,2N-1)


    本文转自万仓一黍博客园博客,原文链接:http://www.cnblogs.com/grenet/archive/2012/11/19/2777200.html,如需转载请自行联系原作者

相关文章
|
2月前
|
机器学习/深度学习 算法 搜索推荐
从理论到实践,Python算法复杂度分析一站式教程,助你轻松驾驭大数据挑战!
【10月更文挑战第4天】在大数据时代,算法效率至关重要。本文从理论入手,介绍时间复杂度和空间复杂度两个核心概念,并通过冒泡排序和快速排序的Python实现详细分析其复杂度。冒泡排序的时间复杂度为O(n^2),空间复杂度为O(1);快速排序平均时间复杂度为O(n log n),空间复杂度为O(log n)。文章还介绍了算法选择、分而治之及空间换时间等优化策略,帮助你在大数据挑战中游刃有余。
92 4
|
4月前
|
人工智能 算法 BI
第一周算法设计与分析 D : 两面包夹芝士
这篇文章介绍了解决算法问题"两面包夹芝士"的方法,通过找出两个数组中的最大最小值,计算这两个值之间的整数个数,包括特判不存在整数的情况。
|
5天前
|
缓存 算法 搜索推荐
Java中的算法优化与复杂度分析
在Java开发中,理解和优化算法的时间复杂度和空间复杂度是提升程序性能的关键。通过合理选择数据结构、避免重复计算、应用分治法等策略,可以显著提高算法效率。在实际开发中,应该根据具体需求和场景,选择合适的优化方法,从而编写出高效、可靠的代码。
19 6
|
29天前
|
并行计算 算法 测试技术
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面
C语言因高效灵活被广泛应用于软件开发。本文探讨了优化C语言程序性能的策略,涵盖算法优化、代码结构优化、内存管理优化、编译器优化、数据结构优化、并行计算优化及性能测试与分析七个方面,旨在通过综合策略提升程序性能,满足实际需求。
62 1
|
2月前
|
并行计算 算法 IDE
【灵码助力Cuda算法分析】分析共享内存的矩阵乘法优化
本文介绍了如何利用通义灵码在Visual Studio 2022中对基于CUDA的共享内存矩阵乘法优化代码进行深入分析。文章从整体程序结构入手,逐步深入到线程调度、矩阵分块、循环展开等关键细节,最后通过带入具体值的方式进一步解析复杂循环逻辑,展示了通义灵码在辅助理解和优化CUDA编程中的强大功能。
|
2月前
|
算法
PID算法原理分析
【10月更文挑战第12天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
3月前
|
算法 搜索推荐 开发者
别再让复杂度拖你后腿!Python 算法设计与分析实战,教你如何精准评估与优化!
在 Python 编程中,算法的性能至关重要。本文将带您深入了解算法复杂度的概念,包括时间复杂度和空间复杂度。通过具体的例子,如冒泡排序算法 (`O(n^2)` 时间复杂度,`O(1)` 空间复杂度),我们将展示如何评估算法的性能。同时,我们还会介绍如何优化算法,例如使用 Python 的内置函数 `max` 来提高查找最大值的效率,或利用哈希表将查找时间从 `O(n)` 降至 `O(1)`。此外,还将介绍使用 `timeit` 模块等工具来评估算法性能的方法。通过不断实践,您将能更高效地优化 Python 程序。
70 4
|
3月前
|
算法 程序员 Python
程序员必看!Python复杂度分析全攻略,让你的算法设计既快又省内存!
在编程领域,Python以简洁的语法和强大的库支持成为众多程序员的首选语言。然而,性能优化仍是挑战。本文将带你深入了解Python算法的复杂度分析,从时间与空间复杂度入手,分享四大最佳实践:选择合适算法、优化实现、利用Python特性减少空间消耗及定期评估调整,助你写出高效且节省内存的代码,轻松应对各种编程挑战。
71 1
|
2月前
|
算法
PID算法原理分析及优化
【10月更文挑战第6天】PID控制方法从提出至今已有百余年历史,其由于结构简单、易于实现、鲁棒性好、可靠性高等特点,在机电、冶金、机械、化工等行业中应用广泛。
|
3月前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
213 19

热门文章

最新文章