Codeforces Round #667 (Div. 3) D. Decrease the Sum of Digits

题目链接

思路:

预处理每一位的10次方,从最末尾开始逐位上升,累计操作数,每次上升之前都计算所有位之和,如果满足条件直接break,否则继续进一升位(防止999999情况出现),输出操作数即可。

代码:

#include<bits/stdc++.h>
#define int long long
#define IOS ios::sync_with_stdio(false);cin.tie(0);cout.tie(0);
#define pb push_back
#define ll long long
const int N=2e5+5;
const int M=2e4+5;
const double eps=1e-8;
const int mod=1e9+7;
const int inf=0x7fffffff;
const double pi=3.1415926;
using namespace std;
int p10[20],a[20];
char str[22];
int cal(int n)
{
	int sum=0;
	for(int i=1;i<=n;i++)
        sum+=a[i];
	return sum;
}
signed main(void)
{
    IOS;
    int t;
    cin>>t;
    p10[1]=1;
    for(int i=2;i<=20;i++)
    {
        p10[i]=p10[i-1]*10;
    }
    while(t--)
    {
        memset(a,0,sizeof(a));
        memset(str,0,sizeof(str));
        int s;
        cin>>str+1>>s;
        int n=strlen(str+1);
        for(int i=1;i<=n;i++)
        {
            a[n-i+1]=str[i]-'0';
        }
        int ans=0,sum=cal(n);
        if(sum<=s)
        {
            cout<<0<<endl;
        }
        else
        {
            for(int i=1;i<=n;i++)
            {
                ans+=(10-a[i])*p10[i];
                a[i]=0;
                a[i+1]++;
                if(cal(n)<=s)
                    break;
            }
            cout<<ans<<endl;
        }
    }
    return 0;
}

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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