数位dp的题目(1)

昨天我们讲了数位dp当然我没有写博客,然后今天我是上完了地理课再过来的,时间少了点,就只做了一道题,但是这道题啊,因为讲过了的,所以我不想把它放在星期天的博客里面,所以我就决定今天在为数不多的时间里面写一篇博客。我时间不多的原因是因为我的数学老师zb丧心病狂地不知了四页作业,相当于一张半数学卷子

不要62

Description

杭州人称那些傻乎乎粘嗒嗒的人为62(音:laoer)。
杭州交通管理局经常会扩充一些的士车牌照,新近出来一个好消息,以后上牌照,不再含有不吉利的数字了,这样一来,就可以消除个别的士司机和乘客的心理障碍,更安全地服务大众。不吉利的数字为所有含有4或62的号码。例如:62315 73418 88914,都属于不吉利号码。但是,61152虽然含有6和2,但不是62连号,所以不属于不吉利数字之列。
你的任务是,对于每次给出的一个牌照区间号,推断出交管局今次又要实际上给多少辆新的士车上牌照了。

Input

输入的都是整数对n、m,如果遇到都是0的整数对,则输入结束。

Output

对于每个整数对,输出一个不含有不吉利数字的统计个数,该数值占一行位置。

Sample Input

1 100
0 0

Sample Output

80

Analysis

首先,用脑子想就可以知道,枚举是不行的,因为如果枚举可以我就不会写数位dp了。
所以说来说一说这一道题
首先设f[i][j]表示前i位的第一位是j,根据题意,那么所有的j是4的,都可以直接设置成为0了
那么不是4的应该怎么处理呢,实际上对于所有不是4的,那么这一个f的值就是
\[ f[i][j]=\sum^{k=9}_{k=1}f[i-1][k] \]
但是题目中还有一个条件,就是题目中62不连续的在一起,所以说要在上面的式子的基础上减掉这一种情况
最后在输出答案的时候呢,还需要一个函数,用来得到正确答案。

Code

#include<bits/stdc++.h>
#define Int64 long long
using namespace std;

Int64 n,m;
Int64 f[12][10];
int tmp[12];

void init();
Int64 run(Int64 x);
inline Int64 read();

int main(){
    init();
    n=read(),m=read();
    while(n&&m){
        printf("%lld\n",run(m+1)-run(n));
        n=read(),m=read();
    }
    return 0;
}

inline Int64 read(){
    Int64 sign=1,res=0;
    char c=getchar();
    while(c>'9'||c<'0'){
        if(c=='-')sign=-1;
        c=getchar();
    }
    res=c-48;
    while((c=getchar())>='0'&&c<='9'){
        res=res*10+c-48;
    }
    return res*sign;
}

void init(){
    memset(f,0,sizeof(f));
    f[0][0]=1;
    for(int i=1;i<12;i++){
        for(int j=0;j<10;j++){
            if(j==4)f[i][j]=0;
            else{
                for(int k=0;k<=9;k++){
                    f[i][j]+=f[i-1][k];
                }
                if(j==6)f[i][j]-=f[i-1][2];
            }       
        }
    }
    return ;
}

Int64 run(Int64 x){
    int cnt=0;
    Int64 ans=0;
    while(x){
        tmp[++cnt]=x%10;
        x/=10;
    }
    tmp[cnt+1]=0;
    for(int i=cnt;i>=1;i--){
        for(int j=0;j<tmp[i];j++){
            if(j==4||(j==2&&tmp[i+1]==6))continue;
            ans+=f[i][j];
        }
        if(tmp[i]==4||(tmp[i]==2&&tmp[i+1]==6))break;
    }
    return ans;
}

转载于:https://www.cnblogs.com/perisino/p/10458055.html

使用优化算法,以优化VMD算法的惩罚因子惩罚因子 (α) 和分解层数 (K)。 1、将量子粒子群优化(QPSO)算法与变分模态分解(VMD)算法结合 VMD算法背景: VMD算法是一种自适应信号分解算法,主要用于分解信号为不同频率带宽的模态。 VMD的关键参数包括: 惩罚因子 α:控制带宽的限制。 分解层数 K:决定分解的模态数。 QPSO算法背景: 量子粒子群优化(QPSO)是一种基于粒子群优化(PSO)的一种改进算法,通过量子行为模型增强全局搜索能力。 QPSO通过粒子的量子行为使其在搜索空间中不受位置限制,从而提高算法的收敛速度与全局优化能力。 任务: 使用QPSO优化VMD中的惩罚因子 α 和分解层数 K,以获得信号分解的最佳效果。 计划: 定义适应度函数:适应度函数根据VMD分解的效果来定义,通常使用重构信号的误差(例如均方误差、交叉熵等)来衡量分解的质量。 初始化QPSO粒子:定义粒子的位置和速度,表示 α 和 K 两个参数。初始化时需要在一个合理的范围内为每个粒子分配初始位置。 执行VMD分解:对每一组 α 和 K 参数,运行VMD算法分解信号。 更新QPSO粒子:使用QPSO算法更新粒子的状态,根据适应度函数调整粒子的搜索方向和位置。 迭代求解:重复QPSO的粒子更新步骤,直到满足终止条件(如适应度函数达到设定阈值,或最大迭代次数)。 输优化结果:最终,QPSO算法会返回一个优化的 α 和 K,从而使VMD分解效果最佳。 2、将极光粒子(PLO)算法与变分模态分解(VMD)算法结合 PLO的优点与适用性 强大的全局搜索能力:PLO通过模拟极光粒子的运动,能够更高效地探索复杂的多峰优化问题,避免陷入局部最优。 鲁棒性强:PLO在面对高维、多模态问题时有较好的适应性,因此适合海上风电时间序列这种非线性、多噪声的数据。 应用场景:PLO适合用于优化VMD参数(α 和 K),并将其用于风电时间序列的预测任务。 进一步优化的建议 a. 实现更细致的PLO更新策略,优化极光粒子的运动模型。 b. 将PLO优化后的VMD应用于真实的海上风电数据,结合LSTM或XGBoost等模型进行风电功率预测。
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