hdu2577 how to type

本文介绍了一种使用动态规划算法解决键盘帽状态问题的方法。通过定义dp数组来记录不同状态下键盘帽开启或关闭所需的最小操作次数,实现了对任意字符串输入的有效处理。
//dp[i][0] 表示type i 时cap处于关的状态
//dp[i][1] 表示开的状态。
//注意,初始化的时候要将dp[0][1]=1其他为0
//因为开始的时候cap是关的

#include <cstdio>
#include <cstring>
#include <string>
#include <algorithm>
using namespace std;
const int maxn = 108;
int dp[maxn][2];
char a[maxn];
int n;
void init(){
	scanf("%s",a);
	n = strlen(a);
	memset(dp,0,sizeof(dp));
	dp[0][1]=1;

}

void solve(){
	for (int i=0;i<n;i++){
		if (a[i]>='a'&&a[i]<='z'){
			dp[i+1][0] = min(dp[i][0]+1,dp[i][1]+2);
			dp[i+1][1] = min(dp[i][0]+2,dp[i][1]+2);
		}else {
			dp[i+1][0] = min(dp[i][0]+2,dp[i][1]+2);
			dp[i+1][1] = min(dp[i][0]+2,dp[i][1]+1);
		}
	}
}

void print(){
	printf("%d\n",min(dp[n][0],dp[n][1]+1));
}

int main(){
	int t;
    freopen("G:\\Code\\1.txt","r",stdin);
	scanf("%d",&t);
	while(t--){
		init();
		solve();
		print();
	}
}

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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