1166. Computer Transformat

本文介绍了一种使用高精度算法解决特定问题的方法,该问题涉及计算字符串中特定子串的出现次数。通过数学推导得出状态转移方程,并利用高精度算法实现,解决了大整数运算的问题。
部署运行你感兴趣的模型镜像

TAG 高精度

题目要求 00 的个数,其实也就是 1001 的个数。 01 才能产生 1001 , 而要产生 01,可以由 00(1001)或 1 产生,注意000能产生101010,其中有2个01,但是根据题目的转换规则,是不可能出现连续2个0以上的,所以这里不用考虑。1的个数容易求,为2^(n-1)。

00 (1001) ----> 01 -----> 00 (1001)

1

设f(n)为题目所求00个数

有 f(n)=f(n-2)+2^(n-3),当然,还能化成f(n)与f(n-1)的关系式。

用高精度求。

/* source code of submission 443253, Zhongshan University Online Judge System */ #include <stdio.h> #include <memory.h> const int BASE=10000; int bignum[1000][90]; int p2[90]; int n; void mul(int y) { for (int i=1; i<=p2[0]; ++i) { p2[i]*=y; } for (int i=1; i<=p2[0]; ++i) { if (p2[i]>=BASE) { p2[i+1]+=p2[i]/BASE; p2[i]%=BASE; } } if ( p2[ p2[0]+1 ]>0 ) { ++p2[0]; } } void add(int y,int x) { int len=p2[0] > bignum[y][0]? p2[0]: bignum[y][0]; bignum[x][0]=len; for (int i=1; i<=len; ++i) { bignum[x][i]+=(bignum[y][i]+p2[i]); bignum[x][i+1]+=bignum[x][i]/BASE; bignum[x][i]%=BASE; } if ( bignum[x][len+1]>0 ) { ++bignum[x][0]; } } void pre() { memset(bignum, 0, sizeof(bignum)); bignum[0][1]=0; bignum[1][1]=1; bignum[2][1]=1; bignum[3][1]=3; bignum[0][0]=bignum[1][0]=bignum[2][0]=bignum[3][0]=1; p2[0]=1; p2[1]=2; for (int i=4; i<1000; ++i) { mul(2); add(i-2,i); } } void output(int x) { printf("%d", bignum[x][ bignum[x][0] ]); for (int i=bignum[x][0]-1; i>0; --i) { printf("%04d", bignum[x][i]); } printf("/n"); } int main(int argc, char *argv[]) { pre(); while ( scanf("%d", &n)!=EOF ) { output(n-1); } return 0; }

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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