Codeforces Round #418 (Div. 2) C. An impassioned circulation of affection(尺取)

本文介绍了一种使用尺取法解决字符串匹配问题的方法,通过预处理记录每个字母最多连续长度,即使允许改变一定数量的字符。适用于处理大量询问场景。

题意:给你一个长度为n的字符串,q次询问m ch,每次问可最多改变m个字符,问最多连续多少个ch。

n <= 1000, q <= 200000.


思路:尺取法预处理记录出每个字母,改变m次能大连续长度。


代码:

#include<bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxn = 1505;
char str[maxn];
int n, dp[30][maxn], sum[30][maxn];

void solve()
{
    for(int i = 0; i < 26; i++)
    {
        for(int j = 0; j <= n; j++)
        {
            int l = 1, r = 1;
            int tmp = 0;
            while(r <= n)
            {
                while(r-l+1 - (sum[i][r]-sum[i][l-1]) <= j) r++;
                tmp = max(tmp, r-l);
                l++;
            }
            dp[i][j] = tmp;
        }
    }
}
int main(void)
{
    while(cin >> n)
    {
        memset(sum, 0, sizeof(sum));
        memset(dp, 0, sizeof(dp));
        for(int i = 1; i <= n; i++)
        {
            scanf(" %c", &str[i]);
            for(int j = 0; j < 26; j++)
                sum[j][i] = sum[j][i-1];
            sum[str[i]-'a'][i]++;
        }
        solve();
        int q;
        scanf("%d", &q);
        while(q--)
        {
            int c;
            char ch;
            scanf("%d %c", &c, &ch);
            printf("%d\n", dp[ch-'a'][c]);
        }
    }
    return 0;
}


MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集和测试集(默认7:3)。 数据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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