132_Palindrome Partitioning ii

本文探讨了如何利用动态规划解决回文字符串的最小分割数问题,通过定义状态转移方程,采用一维数组记录最小分隔数,并使用二维数组判断子串是否为回文串。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

题目

Given a string s, partition s such that every substring of the partition is a palindrome.

Return the minimum cuts needed for a palindrome partitioning of s.

Example:

Input: “aab”

Output: 1

Explanation: The palindrome partitioning [“aa”,“b”] could be produced using 1 cut.

求回文字符串的最小分割数;
要用动态规划去做, 那就要想到状态转移方程;

状态转移数组的定义也是关键,这里使用一个一维数组dp[i] 定义 [0,i]位置的最小分隔数; 字符串大小为n,我们最终要返回的是dp[n-1];

d[i] = 1+d[i-1] 吗?
d[i] = 1+ 1 + d[i-2]

d[i] = i+d[0] ??? 显然,不是的,这是分隔次数最多的情况,每个字符都分隔,单个字符当然是回文串;

正确的状态方程:
假设j 属于 [0,i], d[i]被分为[0,j] ,[j,i] 两部分, 如果[j,i]之间的数组是回文串,那么 d[i] = d[j]+1; 注意,这里有一个[j,i]回文串判断的过程, 这就跟上面的推断不一样;

如果我们从0->n开始遍历, 对某一点i来说,d[j]总是已知的; 因为先求的是d[j],j从0位置开始

接下来问题来了,如何判断[j,i]是否为回文串?

再用一个dp数组,二维的数组 p[n][n], 其中p[i][j] ,其中0<i<j<n, 表示 从 [i,j]之间的子串是不是回文串;

它的状态方程为:
如果s[i] == s[j] ,那么 s[i,j] = s[i+1, j-1], 然后一次可以递推;

s[i,j] = (s[i] == s[j]) && s[i+1, j-1];

第一层循环 i 属于 [0,n]

第二次循环,j 属于 0到i,第一次判断s[j]== s[i], 且 i-j<2; s[j][i]=true;

这样的循环,能让p[j][i] 从 p[0][0] p[0][1] p[1][1] p[0][2] p[1][1] p[1][2] p[2][2] 一次求出来, 其实p[i][i],只有一个字符,必然是回文串,这个也可以直接在初始化为true

代码如下:

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

也是看了大神的解释 看了两个小时,才看明白,整理成上面的个人理解;

附上大神的链接:https://www.cnblogs.com/grandyang/p/4271456.html

内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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