HDU 4737 F(x) ( 数位DP)

本文详细解析了一种基于数位动态规划(数位DP)的算法实现,通过具体实例介绍了如何利用数位DP解决特定的大规模数值计算问题,并提供了一份完整的AC代码作为参考。

题意:

F(x) = An * 2n-1 + An-1 * 2n-2 + ... + A2 * 2 + A1 * 1.

T (T <= 10000) 

A and B (0 <= A,B < 109)

问有几个0~B的数字满足小于F(A);

分析:

数据量很大,时间0.5m。

一看就是数位DP,DP[i][j]表示i位小于j的个数。

这里开数组的时候第一维就是位数13,第二位最大不会超过9*(2^9-1),稍微开大一点。

新姿势:

1.是不是10^9数据范围,而且和每位数字有关系,且存在不同的testcase很多重复的运算就可以用数位DP。。。

2.用dfs处理的三个是参数,len:处理到的长度    num:已经得到的和   flag:是不是已经到达了这个位的最大值,如果到达了,下一位枚举数字的时候只能到该位的dig,没到达,可以枚举到9。

3.注意的是判断返回值的地方:(1)、对两个下标做大于等于0处理  

  (2)、如果已经有DP值的处理结果了直接返回,降低复杂度

                                                  (3)、每一位所有的和都要加起来后才可以赋值给对应的DP。

4.DP数组初始化zai外面,为-1,-1大法好T T。


AC代码:

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

int dp[13][10105];
int a,b;
int t;
int ca=1;
int dig[13];
int f(int a)
{
    int i=0;
    int ans=0;
    while(a)
    {
        ans+=(a%10)*(1<<i);
        a=a/10;
        i++;
    }
    //cout<<"ans = ="<<ans<<endl;
    return ans;
}
int dfs(int len,int num,int flag)
{
    if(len<0) return num>=0;
    if(num<0) return 0;
    if(!flag&&dp[len][num]!=-1) return dp[len][num];
    int res=0;
    int end=flag?dig[len]:9;
    for(int i=0;i<=end;i++)
    {
        res+=dfs(len-1,num-i*(1<<len),i==end && flag); //这里的flag返回值要注意是两个的&&!
    }
    if(!flag) dp[len][num]=res;  //全部加起来才可以
    return res;    //注意要返回!!!
}
void Cal_b(int b)
{
    int i=0;
    while(b)
    {
        dig[i++]=b%10;
        b/=10;
        //cout<<dig[i-1]<<endl;
    }
    printf("Case #%d: %d\n",ca++,dfs(i-1,f(a),1));
}

int main()
{
    //freopen("in","r",stdin);
    scanf("%d",&t);
    memset(dp,-1,sizeof(dp));
    while(t--)
    {
        scanf("%d %d",&a,&b);

        Cal_b(b);
    }
    return 0;
}




一、基础信息 数据集名称:Bottle Fin实例分割数据集 图片数量: 训练集:4418张图片 验证集:1104张图片 总计:5522张图片 分类类别: - 类别0: 数字0 - 类别1: 数字1 - 类别2: 数字2 - 类别3: 数字3 - 类别4: 数字4 - 类别5: 数字5 - 类别6: Bottle Fin 标注格式:YOLO格式,包含多边形坐标,适用于实例分割任务。 数据格式:图片格式常见如JPEG或PNG,具体未指定。 二、适用场景 实例分割AI模型开发:数据集支持实例分割任务,帮助构建能够精确识别和分割图像中多个对象的AI模型,适用于对象检测和分割应用。 工业自动化与质量控制:可能应用于制造、物流或零售领域,用于自动化检测和分类物体,提升生产效率。 计算机视觉研究:支持实例分割算法的学术研究,促进目标检测和分割技术的创新。 教育与实践培训:可用于高校或培训机构的计算机视觉课程,作为实例分割任务的实践资源,帮助学生理解多类别分割。 三、数据集优势 多类别设计:包含7个不同类别,涵盖数字和Bottle Fin对象,增强模型对多样对象的识别和分割能力。 高质量标注:标注采用YOLO格式的多边形坐标,确保分割边界的精确性,提升模型训练效果。 数据规模适中:拥有超过5500张图片,提供充足的样本用于模型训练和验证,支持稳健的AI开发。 即插即用兼容性:标注格式直接兼容主流深度学习框架(如YOLO),便于快速集成到各种实例分割项目中。
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