黑马程序员-c语言-字符串求公共子类

本文介绍了一个使用C语言实现的程序,该程序能够找出多个字符串中的最大公共子字符串。通过用户输入字符串,程序首先确定最短的字符串,并以此为基础与其他字符串进行比较,找出它们之间的最大公共子串。

------- android培训java培训、期待与您交流! ----------

tip:之所以想把这个小程序写下来,是因为编程的时候发了很长时间。整体感觉代码不简洁,不过,码出来时还是很开心。

找出多个字符串中的最大公共子字符串,如“nbitheimanb”“itheia”的最大子串是:”ithei”。(C语言)

#include <stdio.h>
#include <string.h>

int main(int argc, const char * argv[]) {
    // insert code here...
    printf("请输入 字符串个数\n");
    int num;
    scanf("%d",&num);
    char c = getchar();
    char str[num][50];
    memset(str,0,50*num);
    unsigned long minlen=50;
    int minPlace =0;//存放位置,即最短的在所输入的几个字符串中的位置
    int comparePlace=0;
    char minStr[50];//存放长度最短的字符串
    memset(minStr,0,50);
    //start of input str,并记录最短的字符串
    for(int i=0;i<num;i++){
        printf(" 请输入第%d个字符",i+1);
        scanf("%s",str[i]);
        c = getchar();
        unsigned long len = strlen(str[i]);
        if(minlen>len){
            minlen = len;
            minPlace = i;
            strcpy(minStr,str[i]);
        }
        printf("%s",str[i]);
    
    }
    printf("最短的字符为%s\n",minStr);
    // end of input
    
    char subAry[50][50];
    memset(subAry,0,2500);
    int subNum=0;
    /////////////////////////////
    for(unsigned long i=0;i<minlen;i++){
        unsigned long pstart = i;
        unsigned long pcursor =i;
        char temp[50];
        memset(temp,0,50);
        if(minPlace!=0){
            strcpy(temp,str[0]);
            comparePlace =0;
        }else{
            strcpy(temp,str[1]);
            comparePlace=1;
        }
        //用最短的和第一个求子串,如果第一个是最小的,就第一个和第二个求子串
        for(unsigned long j=0;j<strlen(temp)-i;j++){
            unsigned long ptmp= j;
            if(minStr[pstart] == temp[j]){
                int subchildnum=0;
                while(temp[ptmp] == minStr[pcursor]){
                    subAry[subNum][subchildnum]=minStr[pcursor];
                    subchildnum++;
                    ptmp++;
                    pcursor++;
                    
                }
                subAry[subNum][subchildnum]='\0';
                subNum++;
                
            }
        }//end of 求子串
    }
    /////////////////////////////////
    //对由最短字符串和第一个或者第二个字符串所求的子串(不全的。因为俩字符串 abcdfh 和 abcfgh ,上面的代码能求出 abc,f,h是子串,其实 a,b,c,也是子串。只是对这题注重最大,所以不影响。)公共子串,对所有给出的字符串遍历,看是否包含,如果都包含,则与maxsubstr比较,如果长,则更换maxsublen值
    unsigned long maxsublen=0;
    char maxsubstr[50];
    memset(maxsubstr,0,50);
    for(int i=0;i<subNum;i++){
        int thissubnum=2;
        for(int j=0;j<num;j++){
            if(j==minPlace||j==comparePlace){
                continue;
            }else{
                if(!strstr(str[j],subAry[i])){
                    break;
                }else{
                    thissubnum++;
                }
            }
            
        }
        if((thissubnum == num)&&(strlen(subAry[i])>maxsublen)){
            maxsublen=strlen(subAry[i]);
            strcpy(maxsubstr,subAry[i]);//更改maxsublen值。
           // maxsubstr=subAry[i];
            
        }
        
    }
    
    printf("最长的子串为 %s\n",maxsubstr);
    
    
}

-------  android培训 java培训 、期待与您交流! ----------
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
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