【HDU5710】Digit-Sum-思维+构造

测试地址:Digit-Sum
题目大意: S ( n ) S(n) S(n) n n n的十进制表示的各个数位之和,要求构造出一个最小正整数满足 a ⋅ S ( n ) = b ⋅ S ( 2 n ) a\cdot S(n)=b\cdot S(2n) aS(n)=bS(2n)
做法: 本题需要用到思维+构造。
我们尝试找出从 n n n变成 2 n 2n 2n后,数位和的变化。令 n n n包含的 ≥ 5 \ge 5 5的数位有 x x x个,那么变成 2 n 2n 2n后就会进 x x x次位,每进一次位,个位减 10 10 10,十位加 1 1 1,所以 S ( 2 n ) = 2 S ( n ) − 9 x S(2n)=2S(n)-9x S(2n)=2S(n)9x
于是我们就把题目中的式子改成: ( 2 b − a ) S ( n ) = 9 b ⋅ x (2b-a)S(n)=9b\cdot x (2ba)S(n)=9bx。于是分类讨论:
2 b − a &lt; 0 2b-a&lt;0 2ba<0,显然无解。
2 b − a = 0 2b-a=0 2ba=0,那么 1 1 1是最小的答案。
否则,先将 2 b − a 2b-a 2ba 9 b 9b 9b约分,剩下 p S ( n ) = q x pS(n)=qx pS(n)=qx。有一个结论是,当 x = p , S ( n ) = q x=p,S(n)=q x=p,S(n)=q时无解,则整个式子无解,否则当 x = p , S ( n ) = q x=p,S(n)=q x=p,S(n)=q时得到的解最优。
首先 x = p , S ( n ) = q x=p,S(n)=q x=p,S(n)=q无解,充要条件是 5 x &gt; S ( n ) 5x&gt;S(n) 5x>S(n),当 x x x变为 k p kp kp时, S ( n ) S(n) S(n)变为 k q kq kq,而 5 k x &gt; k S ( n ) 5kx&gt;kS(n) 5kx>kS(n),所以还是无解。
然后,如果 x = p , S ( n ) = q x=p,S(n)=q x=p,S(n)=q时有解,一种构造的方法是,首先写出 x x x 5 5 5,然后把 S ( n ) S(n) S(n)中剩余的部分尽可能加在低位上,如果 S ( n ) &gt; 9 x S(n)&gt;9x S(n)>9x,那么就要把剩余的部分加在比 x x x位更高的那些位上,显然也是尽量加在低位上,而这些位所能填的上限都是 4 4 4(因为定义了 x x x ≥ 5 \ge 5 5的数位数,不能影响)。这样就能构造出一个解了。
那么当 x = k p , S ( n ) = k q x=kp,S(n)=kq x=kp,S(n)=kq,显然解不会更优,因为堆积的位数一定会更多。这样一来,我们就可以直接按照上面的方法构造了。
以下是本人代码:

#include <bits/stdc++.h>
using namespace std;
int T,a,b,digit[10010];

int gcd(int a,int b)
{
	return (b==0)?a:gcd(b,a%b);
}

int main()
{
	scanf("%d",&T);
	while(T--)
	{
		scanf("%d%d",&a,&b);
		int x=2*b-a,s=9*b;
		if (x==0) {printf("1\n");continue;}
		if (x<0) {printf("0\n");continue;}
		
		int g=gcd(x,s);
		x/=g,s/=g;
		if (5*x>s) {printf("0\n");continue;}
		
		int tot=x;
		for(int i=1;i<=x;i++)
			digit[i]=5;
		s-=5*x;
		for(int i=1;i<=x;i++)
		{
			digit[i]+=min(4,s);
			s-=digit[i]-5;
			if (!s) break;
		}
		
		while(s)
		{
			digit[++tot]=min(4,s);
			s-=digit[tot];
		}
		
		for(int i=tot;i>=1;i--)
			printf("%d",digit[i]);
		printf("\n");
	}
	
	return 0;
}
同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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