bzoj2900

2900: 好玩的数字游戏

Time Limit: 10 Sec  Memory Limit: 512 MB
Submit: 7  Solved: 4
[ Submit][ Status][ Discuss]

Description

TK在虐题的同时,也喜欢玩游戏。
现在,有这样的一个游戏,规则是这样的:
先随机给出一个数字N,然后你在操场上把1到N的所有数字写成一排,就像这样:
123456789101112131415….
接着你在每个数字前面添上加减号,每逢排在奇数位上的数字,就写上加号;每逢排在偶数位上的数字,就写上减号。恩…最后你得到一个超级长的式子。并且可以算出这个式子的结果。
TK觉得这个游戏很有意思,于是他没日没夜地玩啊玩啊玩啊…
或许你觉得这个游戏没有意思…恩…但是,如果你是TK,对于给定的N,你能够算出来最后的结果应该是多少么?

Input

多组数据。每个测试点的数据组数不超过1000组。
每一行仅一个正整数N。保证没有多余的什么奇怪的字符。
每个测试点的数据最后一行一定是数字0。代表这个测试点的结束。

Output

 
对于每组数据,输出相应的结果。

Sample Input

12
0

Sample Output

5

HINT

【样例说明】


         对于12这个数字:


写成一行就是:123456789101112


那么,形成的表达式就是:+1-2+3-4+5-6+7-8+9-1+0-1+1-1+2=5.


【数据范围】


         对于10%的数据:保证第一行是数字100,第二行是0.


       对于20%的数据:保证数据组数不超过10N不超过10^5


       对于50%的数据:保证数据组数不超过20N不超过10^10


       对于100%的数据:保证数据组数不超过100N不超过10^15



晚上有CF,想找题熟下手,然后做了一天TAT

先处理从小到大依次处理,设n的长度为len,首先处理长度为1~len-1的情况,分奇偶讨论一下长度很好算出来

然后按照类似数位DP的方法统计答案即可

详见程序!!!!!我真是越来越懒了!!!!


#include <iostream>
typedef long long ll;
using namespace std;
ll n,now,ans,len,i,j,k,sum,p,mem;
int main(){
		while (1){
			cin>>n;
			if (n==0) return 0;
			now=ans=0;
			for (i=n,len=0;i;i/=10,len++);
			if (len>1)ans=5,now=9;
			for (k=10,j=90,i=2;i<len;now+=j*i,i++,j*=10,k*=10)
					if (i&1)ans+=(now&1?-1:1)*(-j/10*5);
					else		ans+=(now&1?-1:1)*(j/9*45-j/10*45);
			mem=k;
			for (sum=0,i=len;i>1;i--,k/=10){
					if (now&1)p=-1;
					else			p=1;
					for (j=(i==len?1:0);j<n/k%10;j++)
							if (len&1)ans+=p*(-k/10*5);
							else			ans+=p*((sum+((len-i)&1?-1:1)*j)*k+k/10*45*((i-2)%2)-k/10*45);
					sum+=((len-i)&1?-1:1)*n/k%10;
					now+=(n/k%10-(i==len?1:0))*len*k;
			}
			for (i=n-n%10;i<=n;i++)
					for (k=mem,j=len;j>0;j--,k/=10,now++)
							ans+=i/k%10*((now&1)?-1:1);
			cout<<ans<<endl;
		}
}


同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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