LeetCode - One Edit Distance

本文详细解释了一编辑距离的概念及应用,通过示例代码展示了如何判断两个字符串是否仅相差一次编辑距离。包括两种简化后的实现方式。

https://leetcode.com/problems/one-edit-distance/

Given two strings S and T, determine if they are both one edit distance apart.

One Edit Distance即是:

1. 插入一个字符

2. 更改一个字符, 如ab->ac

所以分情况是:

1. 如果两个字符串等长,那么其中有一个字符不相同就可以

2. 如果两个字符串长度相差1,那么除了被插入的字符,其余字符相同

3. 如果两个字符串长度相差大于1,那么肯定不只1个edit distance了


public class Solution {
    public boolean isOneEditDistance(String s, String t) {
        int m = s.length();
        int n = t.length();
        if(m>n) return isOneEditDistance(t, s);
        int shift = n-m;
        if(shift>1) return false;
        if(shift==0){
            int i = 0;
            while(i<m && s.charAt(i)==t.charAt(i)) i++;
            if(i==m) return false;
            i++;
            while(i<m && s.charAt(i) == t.charAt(i)) i++;
            return i==m;
        }
        else{
            int i = 0;
            while(i<m && s.charAt(i)==t.charAt(i)) i++;
            if(i==m) return true;
            while(i<m && s.charAt(i)==t.charAt(i+shift)) i++;
            return i==m;
        }
    }
}


看了别人更简洁的写法:

public class Solution {
    public boolean isOneEditDistance(String s, String t) {
        int m = s.length();
        int n = t.length();
        if(m>n) return isOneEditDistance(t, s);
        int shift = n-m;
        if(shift>1) return false;
        int i = 0;
        while(i<m && s.charAt(i)==t.charAt(i)) i++;
        if(i==m) return shift>0;
        if(shift==0) i++;
        while(i<m && s.charAt(i)==t.charAt(i+shift)) i++;
        return i==m;
    }
}

合并两种情况!

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
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