hdu2089 不要62 数位dp

题意:给定一个区间,求这个区间内不含4和62(6,2连续)的数的个数。

分析:数位dp,此题可由低位递推高位,dp[i][0]表示i位数无不吉利数字,dp[i][1]表示i位数无不吉利数字且最高位为2,dp[i][2]表示i位数有不吉利数字。

#include<iostream>
#include<string>
#include<cstring>
#include<cstdio>
#include<cmath>
#include<iomanip>
#include<map>
#include<algorithm>
#include<queue>
#include<set>
#define inf 10000000
#define pi acos(-1.0)
#define eps 1e-8
#define seed 131
using namespace std;
typedef pair<int,int> pii;
typedef unsigned long long ULL;
typedef long long LL;
const int maxn=100005;
int n,m;
int dp[10][3];
int solve(int x);
//dp[i][0]:i位无不吉利
//dp[i][1]:i位无不吉利,最高位为2
//dp[i][2]:i位有不吉利
int main()
{
    memset(dp,0,sizeof(dp));
    dp[0][0]=1;
    for(int i=1;i<=8;i++)
    {
        dp[i][0]=dp[i-1][0]*9-dp[i-1][1];//在首位加除4外的9个数,减去i-1位最高位为2且在首位加6
        dp[i][1]=dp[i-1][0];
        dp[i][2]=dp[i-1][2]*10+dp[i-1][0]+dp[i-1][1];
    }
    while(~scanf("%d%d",&n,&m))
    {
        if(n==0&&m==0)
            break;
        printf("%d\n",solve(m+1)-solve(n));
    }
    return 0;
}
int solve(int x)//求得0-(x-1)满足条件的数的个数
{
    int xx=x-1;
    int digit[10];
    int cnt;
    for(cnt=1;;cnt++)
    {
        digit[cnt]=x%10;
        x/=10;
        if(x==0)
            break;
    }
    digit[cnt+1]=0;
    int ans=0;
    bool flag=false;
    for(int i=cnt;i>0;i--)//从高位到低位依次比较
    {
        ans+=digit[i]*dp[i-1][2];
        if(flag)
            ans+=digit[i]*dp[i-1][0];
        else
        {
            if(digit[i]>6)
                ans+=dp[i-1][1];
            if(digit[i]>4)
                ans+=dp[i-1][0];
            if(digit[i+1]==6&&digit[i]>2)
                ans+=dp[i][1];
        }
        if(digit[i]==4||(digit[i+1]==6&&digit[i]==2))
            flag=true;
    }
    return xx-ans;
}


  • 0
    点赞
  • 1
    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位置。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,即定位出图像中目标的位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。 定位问题:确定目标在图像中的具体位置。 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位置。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