UVA 10723 LCS变形 dp 紫书习题9-6

本文介绍了一种求解最长公共子序列(LCS)问题的算法,并提供了详细的代码实现。通过动态规划的方法,该算法能够有效地计算两个字符串的LCS长度及方案数,适用于解决字符串相似度计算等问题。
<php>
    echo “hello world";
</php>

算出ab串的LCS长度 再用ab长度之和减去LCS长度 相当于ab合并减去共有的元素
注意 数量要用 long long
数据中有空字符串
if( a[i]==a[j])dp[i][j]=dp[i-1][j-1]+1 ;
else dp[i][j]=max(dp[i-1][j],dp[i][j-1])

#include<iostream>
#include<cstdio>
#include<cmath>
#include<cstring>
#include<vector>
#include<algorithm>
using namespace std;
int t;
long long dp[50][50],dpp[50][50];
char ch[50],cc[50];
int main()
{
  //  freopen("out.txt","w",stdout);
    scanf("%d",&t);
    getchar();
    for(int o=1;o<=t;++o) {
        int ans=0;
       // memset(dp,0,sizeof dp);
        gets(ch+1);
        gets(cc+1);
        memset(dp,0,sizeof dp);
        memset(dpp,0LL,sizeof dpp);
        int la=strlen(ch+1),lb=strlen(cc+1);
        for(int i = 0; i <= la;++i) {
            dpp[i][0]=1LL;
        }
        for(int j = 0; j <= lb; ++j) {
            dpp[0][j]=1LL;
        }

        for(int i = 1; i <= la; ++i) {
            for(int j = 1; j <= lb; ++j) {
                if(ch[i]==cc[j]) {
                    dp[i][j]=dp[i-1][j-1]+1;
                    dpp[i][j]=dpp[i-1][j-1];
                }
                else {
                    if(dp[i-1][j]>dp[i][j-1]) {
                        dp[i][j]=dp[i-1][j];
                        dpp[i][j]=dpp[i-1][j];
                    }
                    else if(dp[i][j-1]>dp[i-1][j]){
                        dp[i][j]=dp[i][j-1];
                        dpp[i][j]=dpp[i][j-1];
                    }
                    else {
                        dp[i][j]=dp[i-1][j];
                        dpp[i][j]=dpp[i-1][j]+dpp[i][j-1];
                    }
                }
            }
        }
        cout<<"Case #"<<o<<": "<<la+lb-dp[la][lb]<<" "<<dpp[la][lb]<<endl;
    }
    return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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