E - F(x) HDU - 4734 数位dp

本文介绍了一种使用数位动态规划(数位DP)解决特定类型数学问题的方法。通过实例解析,展示了如何针对给定的数值范围计算满足特定条件的数的数量。文章提供了完整的代码实现,并解释了关键步骤。
部署运行你感兴趣的模型镜像

题目:http://acm.hdu.edu.cn/showproblem.php?pid=4734.

题意:两个数AB,定义F(x) = An * 2n-1 + An-1 * 2n-2 + ... + A2 * 2 + A1 * 1.其中An代表A的第n位

求0到B内F(x)小于F(A)的元素有多少个

数位dp,因为组数比较多,死脑筋认为每次A不同,需要每次都把dp数位赋为-1,这样肯定会T,其实不必要,记录的状态不需要记录F(x)的值,而是记录F(x)-F(A)的值,这样对于不同的A,dp记录的值也是通用的。

#include<bits/stdc++.h>
using namespace std;
int dp[12][5000];
int a[20];
int fa;
int dfs(int pos,int now,int t,int limit)
{
    if(pos==-1)
    {
        return now>=0;
    }
    if(now<0)
        return 0;
    if(dp[pos][now]!=-1&&!limit)
    {
        return dp[pos][now];
    }
    int up=limit?a[pos]:9;
    int sum=0;
    for(int i=0;i<=up;i++)
    {
        sum+=dfs(pos-1,now-i*t,t>>1,limit&&i==a[pos]);
    }
    if(!limit&&dp[pos][now]==-1)
    {
        dp[pos][now]=sum;
    }
    return sum;
}
int solve(int x,int y)
{
    int t=1,pos=0;
    while(y)
    {
        fa+=(y%10)*t;
        y/=10;
        t<<=1;
    }
    t=1;
    while(x)
    {
        a[pos++]=x%10;
        x/=10;
        t<<=1;
    }
    return dfs(pos-1,fa,t>>1,1);
}
int main()
{
    int T,A,B;
    cin>>T;
    memset(dp,-1,sizeof(dp));
    for(int t=1;t<=T;t++)
    {
        fa=0;
        scanf("%d %d",&A,&B);
        int ans=solve(B,A);
        printf("Case #%d: %d\n",t,ans);
    }
    return 0;
}


您可能感兴趣的与本文相关的镜像

Qwen3-8B

Qwen3-8B

文本生成
Qwen3

Qwen3 是 Qwen 系列中的最新一代大型语言模型,提供了一整套密集型和专家混合(MoE)模型。基于广泛的训练,Qwen3 在推理、指令执行、代理能力和多语言支持方面取得了突破性进展

内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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