算法学习--数位DP

简介: 算法学习--数位DP

技巧 1 : 把区间 [X, Y] 转化成 [0, Y] - [0, X-1]

技巧 2 : 用树的角度来考虑问题

图片来自算法提高课



模板题 1081. 度的数量 - AcWing题库


#include<iostream>
#include<vector>
using namespace std;
const int NN=36;
int C[NN][NN];
int X, Y, K, B;
//求区间[0,x]中的 “满足条件的数” 的个数
//“满足条件的数”是指:一个数的B进制表示,其中有K位是1、其他位全是0
int dp(int x){
    if(x==0) return 0;
    vector<int> nums;
    while(x>0){
        nums.push_back(x%B);
        x/=B;
    }
    int res=0;
    int last=0;
    for(int i=nums.size()-1;i>=0;i--){
        int t=nums[i];
        // 如果当前位为0的话, 不会对结果产生贡献
        if(t>0){ 
            res+=C[i][K-last];
            if(t>1){
                if(K-last-1>=0)
                    res+=C[i][K-last-1];
                // 枚举过的数位就是已经确定下来的数
                // 我们不能使得确定下来的数大于 1 , 所以当遇到第一个 >1 的数的时候
                // 就把使得它为 1, 然后res+=C[i][K-last-1], 结束枚举
                break;
            }
            else{ // 如果当前位为1的话, 增加last
                last++;
                if(last>K) break;
            }
        }
        // 当枚举到最后一位时, 也就是x数本身, 如果它符合条件, 那么就纳入计数
        if(i==0 && K==last) res++;
    }
    return res;
}
int main(){
    cin>>X>>Y;
    cin>>K;
    cin>>B;
    for(int i=0;i<NN;i++){
        for(int j=0;j<=i;j++){
            if(j==0) 
                C[i][j]=1;
            else
                C[i][j]=C[i-1][j]+C[i-1][j-1];
        }
    }
    cout<<dp(Y)-dp(X-1)<<endl;
    return 0;
}


2376. 统计特殊整数 - 力扣(LeetCode)


class Solution {
public:
    int countSpecialNumbers(int n) {
        string s=to_string(n);
        int m = s.length(), memo[m][1 << 10][2][2];
        memset(memo, -1, sizeof memo);
        // 返回从 pos 开始填数字, 之前填过的数字为mask, 能构造出的特殊整数的个数
        // is_limit 表示前面填的数字是否是 n 对应位上的, 如果是的话当前位最大为 (int)s[pos], 否则为 9
        // is_num 表示前面是否填了数字(是否跳过)
        function<int(int,int,bool,bool)> dp=[&](int pos, int mask, bool is_limit, bool is_num){
            if(pos==s.size()){
                return (int)is_num;
            }
            if(memo[pos][mask][(int)is_limit][(int)is_num]!=-1)
                return memo[pos][mask][(int)is_limit][(int)is_num];
            int res=0;
            if(!is_num){
                res+=dp(pos+1, mask, false, false);
            }
            int up=is_limit?s[pos]-'0':9;
            for(int d=(is_num?0:1);d<=up;d++){
                if(!((mask>>d) & 1)){
                    res+=dp(pos+1, mask|(1<<d), is_limit && d==up, true);
                }
            }
            memo[pos][mask][(int)is_limit][(int)is_num]=res;
            return res;
        };
        // 递归入口, is_limit 要为true, 用n来施加限制
        return dp(0, 0, true, false);
    }
};
相关文章
|
1月前
|
机器学习/深度学习 人工智能 资源调度
【博士每天一篇文献-算法】连续学习算法之HAT: Overcoming catastrophic forgetting with hard attention to the task
本文介绍了一种名为Hard Attention to the Task (HAT)的连续学习算法,通过学习几乎二值的注意力向量来克服灾难性遗忘问题,同时不影响当前任务的学习,并通过实验验证了其在减少遗忘方面的有效性。
43 12
|
1月前
|
算法 Java
掌握算法学习之字符串经典用法
文章总结了字符串在算法领域的经典用法,特别是通过双指针法来实现字符串的反转操作,并提供了LeetCode上相关题目的Java代码实现,强调了掌握这些技巧对于提升算法思维的重要性。
|
1月前
|
算法 NoSQL 中间件
go语言后端开发学习(六) ——基于雪花算法生成用户ID
本文介绍了分布式ID生成中的Snowflake(雪花)算法。为解决用户ID安全性与唯一性问题,Snowflake算法生成的ID具备全局唯一性、递增性、高可用性和高性能性等特点。64位ID由符号位(固定为0)、41位时间戳、10位标识位(含数据中心与机器ID)及12位序列号组成。面对ID重复风险,可通过预分配、动态或统一分配标识位解决。Go语言实现示例展示了如何使用第三方包`sonyflake`生成ID,确保不同节点产生的ID始终唯一。
go语言后端开发学习(六) ——基于雪花算法生成用户ID
|
1月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-算法】连续学习算法之HNet:Continual learning with hypernetworks
本文提出了一种基于任务条件超网络(Hypernetworks)的持续学习模型,通过超网络生成目标网络权重并结合正则化技术减少灾难性遗忘,实现有效的任务顺序学习与长期记忆保持。
30 4
|
1月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-算法】连续学习算法之RWalk:Riemannian Walk for Incremental Learning Understanding
RWalk算法是一种增量学习框架,通过结合EWC++和修改版的Path Integral算法,并采用不同的采样策略存储先前任务的代表性子集,以量化和平衡遗忘和固执,实现在学习新任务的同时保留旧任务的知识。
68 3
|
1月前
|
存储 机器学习/深度学习 算法
【博士每天一篇文献-综述】基于脑启发的连续学习算法有哪些?附思维导图
这篇博客文章总结了连续学习的分类,包括经典方法(重放、正则化和稀疏化方法)和脑启发方法(突触启发、双系统启发、睡眠启发和模块化启发方法),并讨论了它们在解决灾难性遗忘问题上的优势和局限性。
24 2
|
2月前
|
机器学习/深度学习 数据采集 算法
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
Python实现ISSA融合反向学习与Levy飞行策略的改进麻雀优化算法优化支持向量机回归模型(SVR算法)项目实战
102 9
|
15天前
|
算法 BI Serverless
基于鱼群算法的散热片形状优化matlab仿真
本研究利用浴盆曲线模拟空隙外形,并通过鱼群算法(FSA)优化浴盆曲线参数,以获得最佳孔隙度值及对应的R值。FSA通过模拟鱼群的聚群、避障和觅食行为,实现高效全局搜索。具体步骤包括初始化鱼群、计算适应度值、更新位置及判断终止条件。最终确定散热片的最佳形状参数。仿真结果显示该方法能显著提高优化效率。相关代码使用MATLAB 2022a实现。
|
15天前
|
算法 数据可视化
基于SSA奇异谱分析算法的时间序列趋势线提取matlab仿真
奇异谱分析(SSA)是一种基于奇异值分解(SVD)和轨迹矩阵的非线性、非参数时间序列分析方法,适用于提取趋势、周期性和噪声成分。本项目使用MATLAB 2022a版本实现从强干扰序列中提取趋势线,并通过可视化展示了原时间序列与提取的趋势分量。代码实现了滑动窗口下的奇异值分解和分组重构,适用于非线性和非平稳时间序列分析。此方法在气候变化、金融市场和生物医学信号处理等领域有广泛应用。
|
16天前
|
资源调度 算法
基于迭代扩展卡尔曼滤波算法的倒立摆控制系统matlab仿真
本课题研究基于迭代扩展卡尔曼滤波算法的倒立摆控制系统,并对比UKF、EKF、迭代UKF和迭代EKF的控制效果。倒立摆作为典型的非线性系统,适用于评估不同滤波方法的性能。UKF采用无迹变换逼近非线性函数,避免了EKF中的截断误差;EKF则通过泰勒级数展开近似非线性函数;迭代EKF和迭代UKF通过多次迭代提高状态估计精度。系统使用MATLAB 2022a进行仿真和分析,结果显示UKF和迭代UKF在非线性强的系统中表现更佳,但计算复杂度较高;EKF和迭代EKF则更适合维数较高或计算受限的场景。