uva 1625 color length

本文介绍了一种基于字符串匹配的算法,该算法通过动态规划的方式解决两个字符串间的匹配问题,并计算出匹配所需的最小费用。代码实现中使用了C语言,涉及字符串处理、动态规划等技术。

d[i][j] 表示拿了前i个和前j个后,还所需的“最少费用“。

d[m][n] = 0;

d[i][j] = res[i][j] + min(d[ i+1 ][ j ], d[ i ][ j+1 ] );

计算res可以用一维的,因为每次都可以由前一个推算。


代码


#include <stdio.h>
int min(int i, int h) {return i<h?i:h;}
int max(int i, int h) {return i>h?i:h;}
 
const int TNT = 2000000000, Alpha = 26;
char str[5050], strl[5050];
int m, n, res[5050], d[5050][5050];
void G(char *s,int & a) {
	a = 0;
	char ch;
	do ch = getchar(); while(ch < 'A' || ch > 'Z');
	do s[++a] = ch-'A', ch = getchar(); while(ch >= 'A' && ch <= 'Z');
	s[a+1] = '\0';
	ungetc(ch,stdin);
}
int fead[26], fast[26], sead[26], sast[26];
void commando() {
	for(int i = 0; i < Alpha; i++) {
		fead[i] = sead[i] = TNT; fast[i] = sast[i] = -1;
	}
	for(int i = 1; i <= m; i++ ) {
		if(fead[str[i]] == TNT) fead[str[i]] = i;
		fast[str[i]] = i;
	}
	for(int i = 1; i <= n; i++) {
		if(sead[strl[i]] == TNT) sead[strl[i]] = i;
		sast[strl[i]] = i;
	}
}
int main()
{
	int _case ; scanf("%d",&_case);
	while(_case--) 
	{
		G(str, m); G(strl, n);
		commando();
		d[m][n] = 0; res[n] = 0;
		for(int i = m; i >= 0; i--) {
			for(int j = n; j >= 0; j--) {
				if( j < n) {
					char ch = strl[j+1];
					if(fead[ch]<=i || sead[ch]<=j)
					{
						if(fast[ch] <= i && sast[ch] == j+1)
						    res[j] = res[j+1]+1;
						else res[j] = res[j+1];
					}
					else 
					{
						if(fast[ch] > 0 || sast[ch] > j+1)
							res[j] = res[j+1]-1;
						else res[j] = res[j+1];
					}
					d[i][j] = d[i][j+1] + res[j];
					if( i < m) d[i][j] = min( d[i][j], d[i+1][j] + res[j]);
				}
			}
			//for(int t = 0; t <= n; t++) printf("%d ",res[t]); putchar('\n');
			if(i > 0) {
				char c = str[i];
				if(fead[c] < i || sead[c] <= n)
				{
					if(fast[c] == i) res[n]++;
				}
				else if(fast[c] > i) res[n]--;
				d[i-1][n] = d[i][n] + res[n];
			}
		}
		printf("%d\n",d[0][0]);
	}
	return 0;
}


内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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