UVa 11361 Investigating Div-Sum Property 数字和与倍数

本文介绍了一种使用数位动态规划(DP)解决特定区间内数值计数问题的方法。具体而言,针对给定的正整数A、B、K,探讨了如何计算在区间[A, B]中既能被K整除且其各数位之和也能被K整除的数的数量。

题意:给定正整数A,B,K,问区间[A,B]内有多少个数满足它本身是K的倍数且它的各个十进制数位上的数之和也是K的倍数。








典型数位DP。对于区间计数问题,一般都是将区间先转化为左边界为1的,设区间[A,B]中满足条件的数的个数为cal(A,B),则cal(A,B) = cal(1,B) - cal(1,A - 1)。首先int范围内数位和最大也就10*9 = 90,就当是小于100吧。所以K ≥ 100的时候直接输出0就行了。设dp[i][j][k]表示位数不超过i,数位和模k的值为j,数本身模K的值为k的数的个数。边界为dp[0][0][0] = 1。写转移方程的时候注意取模,不然可能会下标越界或者发生不可预知的magic错误。。。。。







#include<iostream>
#include<algorithm>
#include<cstring>
#include<cmath>
#include<cstdio>
#include<iomanip>
#include<string>
using namespace std;

int A, B, K;
int pow_10[11], dp[11][100][100];

void initial()
{
    memset(pow_10, 0, sizeof(pow_10));
    memset(dp, 0, sizeof(dp));
    pow_10[0] = 1%K;
    for(int i = 1; i <= 10; i++)
        pow_10[i] = pow_10[i - 1]*10%K;
    dp[0][0][0] = 1;
    for(int i = 0; i < 10; i++)
    {
        for(int j = 0; j <= min(9*i, K - 1); j++)
        {
            for(int k = 0; k < K; k++)
            {
                if(dp[i][j][k])
                {
                    for(int digit = 0; digit < 10; digit++)
                        dp[i + 1][(j + digit)%K][(k*10 + digit)%K] += dp[i][j][k];
                }
            }
        }
    }
}

int cal(int x)
{
    int digit[11], num = 0;
    while(x > 0)
    {
        digit[num++] = x%10;
        x /= 10;
    }
    int ans = 0, temp_sum = 0, digit_sum = 0;
    for(int i = num - 1; i >= 0; i--)
    {
        for(int j = 0; j < digit[i]; j++)
        {
            if((2*K - digit_sum - j)%K < 100)
                ans += dp[i][(K - (digit_sum + j)%K)%K][(K - (temp_sum + j*pow_10[i])%K)%K];
        }
        temp_sum = (temp_sum + digit[i]*pow_10[i])%K;
        digit_sum = (digit_sum + digit[i])%K;
    }
    if(temp_sum == 0 && digit_sum == 0)
        ans++;
    return ans;
}

int main()
{
    int T;
    scanf("%d", &T);
    while(T--)
    {
        scanf("%d%d%d", &A, &B, &K);
        if(K >= 100)
        {
            printf("0\n");
            continue;
        }
        initial();
        printf("%d\n", cal(B) - cal(A - 1));
    }
    return 0;
}

研究双层优化在学习视觉中的应用,是为了改善学习算法视觉系统的性能。在学习视觉任务中,我们通常面临两个层面的优化问题。 第一层优化问题涉及到学习算法的优化,即如何通过合适的学习算法来获得最佳的模型参数。学习算法的优化过程通常涉及到定义损失函数选择合适的优化方法。然而,常规的优化方法在高维问题中可能会面临挑战,导致在学习过程中陷入局部最优解。因此,研究者们开始探索使用双层优化方法来改进学习算法的性能。双层优化方法通过引入内部优化循环来进一步更新学习算法中的超参数,以改善模型性能。这种方法可以更好地探索参数空间,寻找更优的模型参数,从而提高学习算法的效果。 第二层优化问题涉及到视觉任务的优化,即如何通过图像处理计算机视觉算法来解决具体的视觉问题。视觉任务可以包括目标检测、图像分割、姿态估计等多个方面。传统的视觉算法通常是通过定义特定的目标函数并使用迭代方法来进行优化。然而,这种方法可能会受到参数选择初始条件的限制。因此,研究者们开始研究使用双层优化技术来提高视觉任务的性能。双层优化方法通过引入内部优化循环来逐步调整算法超参数模型参数,以更好地适应特定的视觉任务。 总之,研究双层优化在学习视觉中的应用,旨在改善学习算法视觉系统的性能。这种方法可以通过优化学习算法的参数模型参数,以及优化视觉任务的目标函数算法参数,来改进学习视觉的效果。这将有助于在学习视觉领域取得更好的结果应用。
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