【BZOJ1833】数字计数(ZJOI2010)-数位DP

本文详细介绍了如何使用数位动态规划(数位DP)解决数字范围内的问题,通过计算前缀和来找出特定条件下的数字数量。文章给出了具体的实现思路,并提供了完整的代码示例。

测试地址:数字计数
做法:本题需要用到数位DP。
首先套路把答案转化为前缀和的形式( ans(r)ans(l1) a n s ( r ) − a n s ( l − 1 ) )。对于计算前 n n 个数对答案的贡献,考虑计算每个数字在每一位上的贡献,即有多少个数在第i位上是 j j 。分情况讨论:
1.若前i1位不卡上界,那么当前位一定可以选到 j j ,所以满足要求的数字有:前i1位不卡上界的数字组合数 ×10 × 10 后 面 待 填 的 位 数 种。
2.若前 i1 i − 1 位卡上界,但当前位填 j j 的话不卡上界,满足要求的数字有:10种。
3.若前 i1 i − 1 位卡上界,而当前位填 j j 的话也卡上界,满足要求的数字有:后面所有位不超过上界的数字组合数种。
注意前导0不对答案做出任何贡献,当前面 i1 i − 1 位的上界是 0 0 时,当前位不能填0,而当前位如果填 0 0 ,计算前i1位的数字组合时一定要减去全为 0 0 的情况。
以下是本人代码:

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxdigit=13;
ll a,b,ans[31]={0},s[31];
ll f[31],g[31],up[31],ten[31];

void calc(ll type)
{
    f[0]=g[0]=0;
    for(int i=1;i<=maxdigit;i++)
    {
        g[i]=g[i-1]*10+9;
        if (i>1) ten[i]=ten[i-1]*10;
        else ten[i]=1;
        f[i]=f[i-1]+s[i]*ten[i];
    }
    up[maxdigit+1]=0;
    for(int i=maxdigit;i>=1;i--)
        up[i]=up[i+1]*10+s[i];
    for(int i=0;i<=maxdigit;i++)
        g[i]++,f[i]++;
    for(int i=maxdigit;i>=1;i--)
    {
        for(int j=0;j<=9;j++)
        {
            if (j==0)
            {
                if (up[i+1]>0||s[i]>0)
                {
                    ans[j]+=type*(up[i+1]-1)*g[i-1];
                    if (j<s[i]) ans[j]+=type*g[i-1];
                    else if (j==s[i]) ans[j]+=type*f[i-1];
                }
            }
            else
            {
                ans[j]+=type*up[i+1]*g[i-1];
                if (j<s[i]) ans[j]+=type*g[i-1];
                else if (j==s[i]) ans[j]+=type*f[i-1];
            }
        }
    }
}

int main()
{
    scanf("%lld%lld",&a,&b);

    a--;
    for(int i=1;i<=maxdigit;i++)
        s[i]=a%10,a/=10;
    calc(-1);

    for(int i=1;i<=maxdigit;i++)
        s[i]=b%10,b/=10;
    calc(1);

    for(int i=0;i<=9;i++)
        printf("%lld ",ans[i]);

    return 0;
}
内容概要:本文介绍了一个基于多传感器融合的定位系统设计方案,采用GPS、里程计和电子罗盘作为定位传感器,利用扩展卡尔曼滤波(EKF)算法对多源传感器数据进行融合处理,最终输出目标的滤波后位置信息,并提供了完整的Matlab代码实现。该方法有效提升了定位精度与稳定性,尤其适用于存在单一传感器误差或信号丢失的复杂环境,如自动驾驶、移动采用GPS、里程计和电子罗盘作为定位传感器,EKF作为多传感器的融合算法,最终输出目标的滤波位置(Matlab代码实现)机器人导航等领域。文中详细阐述了各传感器的数据建模方式、状态转移与观测方程构建,以及EKF算法的具体实现步骤,具有较强的工程实践价值。; 适合人群:具备一定Matlab编程基础,熟悉传感器原理和滤波算法的高校研究生、科研人员及从事自动驾驶、机器人导航等相关领域的工程技术人员。; 使用场景及目标:①学习和掌握多传感器融合的基本理论与实现方法;②应用于移动机器人、无人车、无人机等系统的高精度定位与导航开发;③作为EKF算法在实际工程中应用的教学案例或项目参考; 阅读建议:建议读者结合Matlab代码逐行理解算法实现过程,重点关注状态预测与观测更新模块的设计逻辑,可尝试引入真实传感器数据或仿真噪声环境以验证算法鲁棒性,并进一步拓展至UKF、PF等更高级滤波算法的研究与对比。
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