万进制(HDU1042)N!

博客探讨了如何处理万进制数,特别是在解决HDU1042问题时,涉及大数阶乘的计算。通过使用数组存储阶乘结果的每一位,并从高位到低位进行乘法运算。输出时需要注意不足四位的数字要用0补足。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


顾名思义就是以万为单位的进制数,这里是主要用于hdu1042这题,题目大意就是要求出给定n的阶乘,由于得到的结果有可能是一个非常大的数(超过几千位的大数),所以不能用普通的整形数去存。所以就想到用一个数组来存,每个数组存储所得结果的一位(现在说的一位是指万进制的一位,也就是0—9999)然后为了计算过程中更方便数组从0开始存向右位越来越高,使得往后进一时可以直接再多用一个数。就比如说存123456789:

6789 2345 1 ..................................

然后乘于x时就从左到右依次乘比如:123456789  *  45=

6789 *  45 2345 * 45 1 * 45  

=

5505
<think>好的,我现在需要处理用户关于HDU OJ问题3001的请求。用户希望找到相关的解法或讨论。首先,我需要确认问题3001的具体内容,因为不同的OJ平台可能有不同的题目编号。HDU OJ是中国杭州电子科技大学的在线判题系统,所以首先我得查找该题目的具体信息。 问题3001的标题通常是“Travelling”或者类似的名称,因为常见的旅行商问题(TSP)题目编号可能接近这个。例如,HDU 3001可能是一个状态压缩的动态规划问题,涉及每个城市最多访问两次的情况。用户可能需要状态压缩和三进制的解法,因为传统的TSP问题使用二进制,但这里可能有访问次数限制。 接下来,我需要回忆或查找该题的具体要求。例如,题目可能要求访问所有城市,每个城市最多访问两次,求最短路径。这种情况下,状态表示需要用三进制来记录每个城市的访问次数,而不是二进制的0或1。动态规划的状态可能是dp[state][u],其中state是三进制数,表示各城市的访问次数,u是当前所在的城市。 然后,关于解法,可能需要用到三进制状态压缩。因为每个城市有三个状态:未访问、访问一次、访问两次。因此,状态的总数是3^n,对于n=10的情况,3^10=59049,这在内存上是可行的。动态规划的转移需要考虑相邻节点的访问次数是否超过限制,并更新最短路径。 另外,用户可能需要代码示例。需要确保代码正确处理三进制的状态转换,可能涉及三进制数的每一位的提取和更新。例如,如何从当前状态中提取某个城市的访问次数,并判断是否还能继续访问。 可能还需要考虑预处理三进制的各位权值,或者使用其他优化方法,比如优先队列(Dijkstra算法)来优化状态转移,因为可能存在多个状态需要按路径长度排序处理。 关于引用,用户提供的参考引用似乎与问题1454相关,可能与当前问题无关,但需要确保在回答中正确引用任何相关资源。可能需要查找HDU OJ上的讨论版或者已有的题解,但用户可能无法直接访问,所以应提供详细的解决思路。 最后,生成的相关问题可能涉及状态压缩动态规划的技巧、三进制的实现方法、与其他TSP变体的比较,或者该问题的时间复杂度分析。需要确保这些问题能够帮助用户深入理解解题方法。</think>关于HDU OJ问题3001(Travelling)的解法分析如下: ### 问题描述 该问题要求访问$n$个城市($n \leq 10$),每个城市最多访问2次,最终返回起点。求满足条件的最短路径长度,若无法完成返回$-1$[^1]。 ### 核心算法:三进制状态压缩DP 1. **状态设计** 定义$dp[state][u]$表示: - $state$:三进制数,每一位表示对应城市访问次数(0未访问,1访问1次,2访问2次) - $u$:当前所在城市 2. **状态转移** 对每条边$u \rightarrow v$,检查: - 城市$v$的访问次数是否已达2次 - 更新后的状态是否更优 转移方程: $$dp[new\_state][v] = \min(dp[new\_state][v], dp[state][u] + cost)$$ 3. **三进制处理技巧** - 预处理三进制权值数组$weight[12] = \{3^0,3^1,...,3^{10}\}$ - 通过取模运算提取某一位的值: ```python def get_digit(state, pos): return (state // weight[pos]) % 3 ``` ### 代码框架 ```python INF = float('inf') n, m = 10, 50 # 示例输入 weight = [3**i for i in range(12)] dp = [[INF]*n for _ in range(3**n)] # 初始化所有起点状态 for i in range(n): dp[weight[i]][i] = 0 for state in range(3**n): for u in range(n): if dp[state][u] == INF: continue for v, cost in graph[u]: if get_digit(state, v) >= 2: continue new_state = state + weight[v] dp[new_state][v] = min(dp[new_state][v], dp[state][u] + cost) # 检查所有城市被访问过的状态 min_cost = INF for state in valid_states: for u in range(n): min_cost = min(min_cost, dp[state][u] + cost[u][0]) # 返回起点 ``` ### 优化技巧 1. **预处理可行状态**:提前筛选包含所有城市至少访问一次的状态 2. **剪枝策略**:当当前路径长度已超过已知最优解时停止扩展 3. **邻接表优化**:使用邻接表存储边而非邻接矩阵
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