6062. 【GDOI2019模拟2019.3.16】计算(数位DP+exp的性质)

Problem

∑ k 不 含 m 子 串 e k / n \sum_{k不含m子串}e^{k/n} kmek/n

n , m ≤ 1 0 9 n,m\le 10^9 n,m109

Solution

经典数位DP。

f i , j , 0 / 1 , 0 / 1 f_{i,j,0/1,0/1} fi,j,0/1,0/1 表示构造到第 i i i位,匹配到第 j j j位,是否达上届,是否是前导 0 0 0.

C++里 e x p ( k ) = e k exp(k)=e^k exp(k)=ek,且精度很高。

转移注意一个显然的性质是 e x + y = e x p ( x ) ∗ e x p ( y ) e^{x+y}=exp(x)*exp(y) ex+y=exp(x)exp(y).

最后注意当 m = 0 m=0 m=0时的前导 0 0 0

Code
#include <bits/stdc++.h>

#define F(i, a, b) for (int i = a; i <= b; i ++)
typedef double db;

using namespace std;

char s[12], t[12];
int n, m, a[12], b[12], sum, ten[12], nx[12];
db f[12][12][2][2], ans;

int main() {
	freopen("calc.in", "r", stdin);
	freopen("calc.out", "w", stdout);

	scanf("%s%s", s + 1, t + 1);
	n = strlen(s + 1), m = strlen(t + 1), ten[0] = 1;
	F(i, 1, n) a[i] = s[i] - '0', sum = sum * 10 + a[i], ten[i] = ten[i - 1] * 10;
	F(i, 1, m) b[i] = t[i] - '0';
	
	int j = 0;
	F(i, 2, m) {
		while (j && b[j + 1] != b[i]) j = nx[j];
		if (b[j + 1] == b[i]) j ++;
		nx[i] = j;
	}

	f[1][0][0][1] = 1;
	F(x, 1, a[1]) {
		if (m == 1 && x == b[m]) continue;
		f[1][x == b[1]][x == a[1]][0] += exp((db)x * ten[n - 1] / sum);;
	}
	F(i, 1, n - 1) F(j, 0, m - 1)
		F(p, 0, 1) F(q, 0, 1) if (f[i][j][p][q])
			F(x, 0, ((p == 1) ? (a[i + 1]) : (9))) {
				if (q == 1 && x == 0 && b[1] == 0)
					f[i + 1][0][0][1] += f[i][j][p][q];
				if (j == m - 1 && x == b[m])
					continue;
				if (q == 1) {
					f[i + 1][x == b[1]][0][x == 0] += f[i][j][p][q] * exp((db) x * ten[n - i - 1] / sum);
				}
				else {
					int y = j;
					while (y && b[y + 1] != x) y = nx[y];
					if (b[y + 1] == x) y ++;
					
					f[i + 1][y][(p == 1) & (a[i + 1] == x)][0] += f[i][j][p][q] * exp((db) x * ten[n - i - 1] / sum);
				}
			}
	F(j, 0, m - 1)
		ans = (ans + f[n][j][0][0] + f[n][j][0][1] + f[n][j][1][0] + f[n][j][1][1]);
	printf("%.3lf\n", ans - 1);
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
在信号处理领域,DOA(Direction of Arrival)估计是一项关键技术,主要用于确定多个信号源到达接收阵列的方向。本文将详细探讨三种ESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)算法在DOA估计中的实现,以及它们在MATLAB环境中的具体应用。 ESPRIT算法是由Paul Kailath等人于1986年提出的,其核心思想是利用阵列数据的旋转不变性来估计信号源的角度。这种算法相比传统的 MUSIC(Multiple Signal Classification)算法具有较低的计算复杂度,且无需进行特征值分解,因此在实际应用中颇具优势。 1. 普通ESPRIT算法 普通ESPRIT算法分为两个主要步骤:构造等效旋转不变系统和估计角度。通过空间平移(如延时)构建两个子阵列,使得它们之间的关系具有旋转不变性。然后,通过对子阵列数据进行最小二乘拟合,可以得到信号源的角频率估计,进一步转换为DOA估计。 2. 常规ESPRIT算法实现 在描述中提到的`common_esprit_method1.m`和`common_esprit_method2.m`是两种不同的普通ESPRIT算法实现。它们可能在实现细节上略有差异,比如选择子阵列的方式、参数估计的策略等。MATLAB代码通常会包含预处理步骤(如数据归一化)、子阵列构造、旋转不变性矩阵的建立、最小二乘估计等部分。通过运行这两个文件,可以比较它们在估计精度和计算效率上的异同。 3. TLS_ESPRIT算法 TLS(Total Least Squares)ESPRIT是对普通ESPRIT的优化,它考虑了数据噪声的影响,提高了估计的稳健性。在TLS_ESPRIT算法中,不假设数据噪声是高斯白噪声,而是采用总最小二乘准则来拟合数据。这使得算法在噪声环境下表现更优。`TLS_esprit.m`文件应该包含了TLS_ESPRIT算法的完整实现,包括TLS估计的步骤和旋转不变性矩阵的改进处理。 在实际应用中,选择合适的ESPRIT变体取决于系统条件,例如噪声水平、信号质量以及计算资源。通过MATLAB实现,研究者和工程师可以方便地比较不同算法的效果,并根据需要进行调整和优化。同时,这些代码也为教学和学习DOA估计提供了一个直观的平台,有助于深入理解ESPRIT算法的工作原理。
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