[LeetCode]10. Regular Expression Matching(自学留存)

Implement regular expression matching with support for '.' and '*'.

'.' Matches any single character.
'*' Matches zero or more of the preceding element.

The matching should cover the entire input string (not partial).

The function prototype should be:
bool isMatch(const char *s, const char *p)

Some examples:
isMatch("aa","a") → false
isMatch("aa","aa") → true
isMatch("aaa","aa") → false
isMatch("aa", "a*") → true
isMatch("aa", ".*") → true
isMatch("ab", ".*") → true
isMatch("aab", "c*a*b") → true

Personal tips:这道题真的挺难的,使用递归算法,时间太长了,应该用dp改进,以下是递归的代码实现:

class Solution {
public:
	bool isMatch(string s, string p) {
		int i = 0, j = 0;
		if (p.empty()) return s.empty();
		if (p[j + 1] != '*')
		{
			if (s[i] == p[j]|| (p[j] == '.'&&s[i] != '\0')) return isMatch(s.substr(i + 1), p.substr(j + 1));
			else return false;
		}
		while (s[i]==p[j]||(p[j]=='.'&&s[i]!='\0'))
		{
			if (isMatch(s.substr(i), p.substr(j + 2)))  return true; 
			++i; 
		}
		return isMatch(s.substr(i), p.substr(j + 2));
	}
};

以下为参考LeetCode后的动态规划dp算法实现代码:

class Solution {
public:
	bool isMatch(string s, string p) {	
		if (s.empty()&&p.empty()) return true;
		if ( p.empty()) return false;
		vector<vector<bool>> dp(s.size() + 1, vector<bool>(p.size() + 1, false));
		dp[0][0] = true;
		for (int i = 0; i < s.size() + 1; ++i)
		{
			
			for (int j = 1; j < p.size() + 1; ++j)
			{
				if (i>0&&(s[i-1] == p[j-1] || p[j-1] == '.')) dp[i][j] = (dp[i - 1][j - 1]?true:dp[i][j]);
				if (p[j-1] == '*')
				{
					if (i>0&&(p[j - 1-1] == s[i-1]|| p[j - 1 - 1] == '.'))
					{
						dp[i][j] = dp[i][j - 1] || dp[i - 1][j]||dp[i][j-2];
					}
					else
					{
						dp[i][j] = dp[i][j - 2];
					}
				}
			}
		}
		return dp[s.size()][p.size()];		
	}
};

内容概要:本文档围绕六自由度机械臂的ANN人工神经网络设计展开,涵盖正向与逆向运动学求解、正向动力学控制,并采用拉格朗日-欧拉法推导逆向动力学方程,所有内容均通过Matlab代码实现。同时结合RRT路径规划与B样条优化技术,提升机械臂运动轨迹的合理性与平滑性。文中还涉及多种先进算法与仿真技术的应用,如状态估计中的UKF、AUKF、EKF等滤波方法,以及PINN、INN、CNN-LSTM等神经网络模型在工程问题中的建模与求解,展示了Matlab在机器人控制、智能算法与系统仿真中的强大能力。; 适合人群:具备一定Ma六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)tlab编程基础,从事机器人控制、自动化、智能制造、人工智能等相关领域的科研人员及研究生;熟悉运动学、动力学建模或对神经网络在控制系统中应用感兴趣的工程技术人员。; 使用场景及目标:①实现六自由度机械臂的精确运动学与动力学建模;②利用人工神经网络解决传统解析方法难以处理的非线性控制问题;③结合路径规划与轨迹优化提升机械臂作业效率;④掌握基于Matlab的状态估计、数据融合与智能算法仿真方法; 阅读建议:建议结合提供的Matlab代码进行实践操作,重点理解运动学建模与神经网络控制的设计流程,关注算法实现细节与仿真结果分析,同时参考文中提及的多种优化与估计方法拓展研究思路。
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