HDU 3709 数位DP

本文介绍了一种类似于天平原理的数位DP问题解决方法。通过枚举支点位置,利用动态规划求解区间内满足特定条件的数字数量。文章提供了完整的C++代码实现,并解释了关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

点击打开链接

题意:类似天平,若一个数以某一位当支点,两边的数以题目中那样计算的和相等,这这个数使我们要的,问区间共有多少个

思路:操作是一样的,只是我们需要枚举一下支点的位置即可,但是注意因为0是可以的,所以我们最后加的结果要减去1,因为00这样只能当作一个0来计算

#include <stdio.h>
#include <stdlib.h>
#include <string.h>
#include <iostream>
#include <algorithm>
using namespace std;
typedef long long ll;
typedef unsigned long long ull;
const int inf=0x3f3f3f3f;
const ll INF=0x3f3f3f3f3f3f3f3fll;
const int maxn=5010;
int dig[30];
ll dp[20][20][1500];
ll dfs(int pos,int deep,int lim,int num,int flag){
    if(pos<0){
        if(flag) return 1;
        else if(num==0) return 1;
        else return 0;
    }
    if(!lim&&dp[pos][deep][num]!=-1) return dp[pos][deep][num];
    int las=lim?dig[pos]:9;
    ll ret=0;
    for(int i=0;i<=las;i++){
        if(flag==1){
            if(i==0) ret+=dfs(pos-1,deep,lim&&(i==las),0,1);
            else ret+=dfs(pos-1,deep,lim&&(i==las),i*(pos-deep),0);
        }else ret+=dfs(pos-1,deep,lim&&(i==las),i*(pos-deep)+num,0);
    }
    if(!lim) dp[pos][deep][num]=ret;
    return ret;
}
ll slove(ll n){
    if(n==-1) return 0;
    int len=0;
    ll ret=0;
    while(n){
        dig[len++]=n%10;
        n/=10;
    }
    for(int i=len-1;i>=0;i--) ret+=dfs(len-1,i,1,0,1)-1;
    return ret;
}
int main(){
    memset(dp,-1,sizeof(dp));
    int T,cas=1;
    ll n,m;
    scanf("%d",&T);
    while(T--){
        scanf("%I64d%I64d",&n,&m);
        if(n==0&&m==0) printf("1\n");
        else if(n==0) printf("%I64d\n",slove(m)+1);
        else printf("%I64d\n",slove(m)-slove(n-1));
    }
    return 0;
}

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
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