转21位花朵数

 

/*
    128468643043731391252
449177399146038697307*/
#include<stdio.h>
#include<string.h>
#include<stdlib.h>
#include<time.h>

/*
 128468643043731391252
449177399146038697307*/
//我的程序只用了34秒
//乍一下很难,很容易往那个一位位枚举数字的方向去,但是这样的复杂度很高,尽管加上了一些判断还是于事无补
//我说一下思路吧,先把所有的数字的21次方求出来放在一个数组里保存,然后再去枚举每一个数字有几个,
//总共加起来是二十一位数字,这个枚举的操作次数相对刚才的那个是小多了,
//然后把这些数的21次方加起来,然后再去判断一下,是不是由这些数字组成就行了
const int BIT=100000000;
struct BigNum
{
    int dig[6];
    int len;
    void Clr()
    {
        memset(dig,0,sizeof(dig));
        len=1;
    }
    void Print()
    {
        int i;
        printf("%d",dig[len-1]);
        for(i=len-2;i>=0;i--)
            printf("%08d",dig[i]);
        puts("");
    }
};
BigNum p[10],MAX,MIN;
BigNum sp[10][22];
int take[10]={0};
int LEN=21;
int GetLen(BigNum a)
{
    int i;
    for(i=5;i>0&&a.dig[i]==0;i--);
    return i+1;
}
BigNum CarryUp(BigNum a)
{
    int i;
    for(i=0;i<a.len;i++)
    {
        a.dig[i+1]+=a.dig[i]/BIT;
        a.dig[i]%=BIT;
    }
    return a;
}
BigNum Multi(BigNum a,BigNum b)
{
    BigNum c;
    int i,j,k;
    c.Clr();
    c.len=a.len+b.len;
    for(i=0;i<a.len;i++)
    {
        for(j=0;j <b.len;j++)
        {
            c.dig[i+j]+=a.dig[i]*b.dig[j];
        }
    }
    c=CarryUp(c);
    if(c.len>0&&c.dig[c.len-1]==0)c.len--;
    return c;
}
BigNum MyPow(BigNum a,int n)
{
    BigNum ret;
    ret.Clr();
    ret.dig[0]++;
    while(n--)
    {
        ret=Multi(ret,a);
    }
    return ret;
}
int Cmp(BigNum a,BigNum b)
{
    if(a.len>b.len)return 1;
    if(a.len<b.len)return -1;
    int i;
    for(i=a.len-1;i>=0&&a.dig[i]==b.dig[i];i--);
    if(i==-1)return 0;
    return a.dig[i]-b.dig[i];
}
BigNum Add(BigNum a,BigNum b)
{
    int i;
    if(b.len>a.len)a.len=b.len;
    for(i=0;i<a.len;i++)
    {
        a.dig[i]+=b.dig[i];
    }
    a=CarryUp(a);
    if(a.dig[a.len])a.len++;
    return a;
}
BigNum Deal(BigNum a)
{
    int i;
    BigNum b;
    b.Clr();
    b.len=3;
   

    for(i=7;i>=0;i--)
    {
        b.dig[0]=b.dig[0]*10+a.dig[i];
    }
    for(i=15;i>=8;i--)
    {
        b.dig[1]=b.dig[1]*10+a.dig[i];
    }
    for(i=23;i>=16;i--)
    {
        b.dig[2]=b.dig[2]*10+a.dig[i];
    }
    return b;
}
bool ok(BigNum sum)
{
    int aa[10]={0};
    int i;
    for(i=0;i<8;i++)
    {
        aa[sum.dig[0]%10]++;
        aa[sum.dig[1]%10]++;
        sum.dig[0]/=10;
        sum.dig[1]/=10;
    }
    for(i=0;i<5;i++)
    {
        aa[sum.dig[2]%10]++;
        sum.dig[2]/=10;
    }
    for(i=0;i<10&&aa[i]==take[i];i++);
    return i==10;
}
void DFS(int deep,BigNum Sum,int leave)
{
    BigNum check;
    BigNum cc;
    int i;
    if(deep==10)
    {
        if(leave>0)return;
       
        if(ok(Sum))
        {
            Sum.Print();
        }
        return ;
    }
   
    for(i=0;i<=leave;i++)
    {
        take[deep]=i;
        check=Add(Sum,sp[deep][i]);
        if(Cmp(check,MAX)>=0)break;
        cc=Add(check,sp[9][leave-i]);
        if(Cmp(cc,MIN)<0)continue;
        DFS(deep+1,check,leave-i);
    }
}
int main()
{
    int i;
    int j;
    BigNum tmp;
    BigNum sum;
    tmp.Clr();
    int start=time(NULL),finish;
   
    for(i=0;i<10;i++)
    {
        p[i]=MyPow(tmp,LEN);
        tmp.dig[0]++;
    }
    for(i=0;i<10;i++)sp[i][0].Clr();
    for(j=0;j<10;j++)
    for(i=1;i<22;i++)
    {
        sp[j][i]=Add(sp[j][i-1],p[j]);
    }
    tmp.Clr();
    tmp.len=LEN;
   
    sum.Clr();
    MAX.dig[2]=100000;
    MAX.len=3;
    MIN.dig[2]=10000;
    MIN.len=3;
    DFS(0,sum,LEN);
    finish = time(NULL);
printf("%d\n",(finish-start));
    return 0;
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定出图像中目标的置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定问题:确定目标在图像中的具体置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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