DeepSeek辅助求解欧拉计划第940题

news2026/3/29 16:54:30
原题地址https://pe-cn.github.io/940/一开始把题目上传直接让他编写python程序总是不对。试了Qwen也不行Longcat稍好一点S(3)能算出来提到了封闭式还提到了阿克曼函数。最后我将A的递推式变形手工推了一个程序丢给DeepSeek优化defcalculate_A_correct(max_f):# 创建足够大的数组A[[-1]*10for_inrange(10)]# 初始化A[0][0]0A[0][1]1forxinrange(max_f-1):foriinrange(max_f1):forjinrange(max_f1):ifi-10andj-10andA[i][j]-1andA[i1][j-1]!-1andA[i][j-1]!-1:#补算A[i][j]A[i1][j-1]-A[i][j-1]ifi-10andA[i][j]-1andA[i-1][j1]!-1andA[i-1][j]!-1:A[i][j]A[i-1][j1]A[i-1][j]ifi-10andj-10andA[i][j]-1andA[i][j-1]!-1andA[i-1][j-1]!-1:A[i][j]2*A[i][j-1]A[i-1][j-1]#for i in range(max_f1):# print(i, A[i])returnAdefcompute_S(k):# 生成斐波那契数fib[0,1]foriinrange(2,k1):fib.append(fib[-1]fib[-2])max_ffib[k]# 调用正确的A函数计算数组Acalculate_A_correct(max_f)# 计算 S(k)total0foriinrange(2,k1):forjinrange(2,k1):m,nfib[i],fib[j]#print(A, m, n)totalA[m][n]returntotal# 测试print(fS(3) {compute_S(3)})print(fS(4) {compute_S(4)})print(fS(5) {compute_S(5)})print(fS(6) {compute_S(6)})我归纳了手工计算的思路见附件。用多次补算的方法可以得到正确的S(3)和S(5)写法有些累赘请优化不做别的可以了。defcalculate_A_correct(max_f):# 创建足够大的数组初始化为-1表示未计算A[[-1]*(max_f2)for_inrange(max_f2)]# 初始化A[0][0]0A[0][1]1# 循环直到所有需要的值都计算出来changedTruewhilechanged:changedFalseforiinrange(1,max_f1):forjinrange(max_f1):ifA[i][j]!-1:continue# 规则1: A(i, j) A(i-1, j1) A(i-1, j)ifi-10andj1max_fandA[i-1][j1]!-1andA[i-1][j]!-1:A[i][j]A[i-1][j1]A[i-1][j]changedTrue# 规则2: A(i, j) 2*A(i, j-1) A(i-1, j-1)elifi-10andj-10andA[i][j-1]!-1andA[i-1][j-1]!-1:A[i][j]2*A[i][j-1]A[i-1][j-1]changedTrue# 规则3: A(i, j) A(i1, j-1) - A(i, j-1) (从规则1变形)elifi1max_fandj-10andA[i1][j-1]!-1andA[i][j-1]!-1:A[i][j]A[i1][j-1]-A[i][j-1]changedTruereturnAdefcompute_S(k):# 生成斐波那契数fib[0,1]foriinrange(2,k1):fib.append(fib[-1]fib[-2])max_ffib[k]# 调用正确的A函数计算数组Acalculate_A_correct(max_f)# 计算 S(k)total0foriinrange(2,k1):forjinrange(2,k1):m,nfib[i],fib[j]totalA[m][n]%Mreturntotal M1123581313# 测试print(fS(3) {compute_S(3)})print(fS(4) {compute_S(4)})print(fS(5) {compute_S(5)})print(fS(6) {compute_S(6)})print(fS(15) {compute_S(15)%M})速度还是有点慢C:\dtimer64 python 940b.py S(3) 30 S(4) 276 S(5) 10396 S(6) 3544792 S(15) 466892533 Kernel Time 0.015 0% User Time 8.796 99% Process Time 8.812 99% Virtual Memory 65 MB Global Time 8.834 100% Physical Memory 69 MB然后根据一些观察, 让他优化。1 [1, 2, 5, 11, 26, 59, -1, -1, -1, -1]2 [3, 7, 16, 37, 85, 196, -1, -1, -1, -1]3 [10, 23, 53, 122, 281, 647, -1, -1, -1, -1]4 [33, 76, 175, 403, 928, 2137, -1, -1, -1, -1]5 [109, 251, 578, 1331, 3065, 7058, -1, -1, -1, -1]从上表可见A[下一行某列]的元素可以从A[上一行同列]元素 加 A[上一行列加一]的元素求和得到而第一行查询OEIS得到公式a(n) a(n-1) 3*a(n-2)利用这个观察结果改写上一个程序避免无谓的if判断不做别的一开始有问题接着提示2.其他行用递推公式A[m1][n] A[m][n1] A[m][n]需要上一行多算列改为A[i][j] 2*A[i][j-1] A[i-1][j-1] 无需上一行多算列但第0列还是需要用原来的递推公式请改写不做别的可以了。defcalculate_A_correct(max_f):# 创建足够大的数组A[[0]*(max_f2)for_inrange(max_f2)]# 初始化A[0][0]0A[0][1]1# 第一行m0a(n) a(n-1) 3*a(n-2)forninrange(2,max_f1):A[0][n]A[0][n-1]3*A[0][n-2]# 计算其他行forminrange(1,max_f1):# 第0列用递推公式 A[m][0] A[m-1][1] A[m-1][0]A[m][0]A[m-1][1]A[m-1][0]# 其他列用递推公式 A[m][n] 2*A[m][n-1] A[m-1][n-1]forninrange(1,max_f1):A[m][n]2*A[m][n-1]A[m-1][n-1]returnAdefcompute_S(k):# 生成斐波那契数fib[0,1]foriinrange(2,k1):fib.append(fib[-1]fib[-2])max_ffib[k]# 调用正确的A函数计算数组Acalculate_A_correct(max_f)# 计算 S(k)total0foriinrange(2,k1):forjinrange(2,k1):m,nfib[i],fib[j]totalA[m][n]%Mreturntotal M1123581313# 测试print(fS(3) {compute_S(3)})print(fS(4) {compute_S(4)})print(fS(5) {compute_S(5)})print(fS(6) {compute_S(6)})print(fS(18) {compute_S(18)%M})运算结果是C:\dtimer64 python 940c.py S(3) 30 S(4) 276 S(5) 10396 S(6) 3544792 S(18) 536088899 Kernel Time 0.593 18% User Time 2.640 81% Process Time 3.234 100% Virtual Memory 3608 MB Global Time 3.232 100% Physical Memory 3558 MB

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。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。如若转载,请注明出处:http://www.coloradmin.cn/o/2462069.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…