[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()];		
	}
};

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)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,详细介绍了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程的理论与Matlab代码实现过程。文档还涵盖了PINN物理信息神经网络在微分方程求解、主动噪声控制、天线分析、电动汽车调度、储能优化等多个工程与科研领域的应用案例,并提供了丰富的Matlab/Simulink仿真资源和技术支持方向,体现了其在多学科交叉仿真与优化中的综合性价值。; 适合人群:具备一定Matlab编程基础,从事机器人控制、自动化、智能制造、电力系统或相关工程领域研究的科研人员、研究生及工程师。; 使用场景及目标:①掌握六自由度机械臂的运动学与动力学建模方法;②学习人工神经网络在复杂非线性系统控制中的应用;③借助Matlab实现动力学方程推导与仿真验证;④拓展至路径规划、优化调度、信号处理等相关课题的研究与复现。; 阅读建议:建议按目录顺序系统学习,重点关注机械臂建模与神经网络控制部分的代码实现,结合提供的网盘资源进行实践操作,并参考文中列举的优化算法与仿真方法拓展自身研究思路。
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