HDU 3555 Bomb(数位DP)

本文介绍一种数位动态规划(DP)方法,用于解决找出指定范围内所有包含特定字串的数字个数的问题。通过计算不含特定字串的数字数量,再从总数中减去该数量得到最终答案。

找出1 - N中所有包含49字串的数字个数

思路:普通的数位DP,先找出布包含的,然后总数减去不包含的即可

代码:

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

typedef long long ll;
const int N = 25;

int t;
char num[N];
ll dp[N][10], ans;

int main() {
	scanf("%d", &t);
	while (t--) {
		scanf("%s", num);
		int n = strlen(num);
		sscanf(num, "%I64d", &ans);
		ans++;
		int pre = 0, flag = 0;
		memset(dp, 0, sizeof(dp));
		for (int i = 0; i < n; i++) {
			for (int j = 0; j < 10; j++) {
				for (int k = 0; k < 10; k++) {
					if (j == 9 && k == 4) continue;
					dp[i + 1][j] += dp[i][k];
				}
			}
			if (flag) continue;
			for (int j = 0; j < num[i] - '0'; j++) {
				if (j == 9 && pre == 4) continue;
				dp[i + 1][j]++;
			}
			if (pre == 4 && num[i] - '0' == 9) flag = 1;
			pre = num[i] - '0';
		}
		for (int i = 0; i < 10; i++) ans -= dp[n][i];
		ans -= !flag;
		printf("%I64d\n", ans);
	}
	return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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