亲亲串(dp)

亲亲串

时间限制:1000 ms  |  内存限制:65535 KB
难度:3
描述

如果有一个字符串,它的前半段等于它后半段,例如 abcabc,我们就叫这种字符串为“亲亲串”。

现在给你一个字符串(仅有大小写字母组成),可以在任意的位置添加任意个字符,使这个字符串成为一个“亲亲串”,最少需要添加多少个字符?

输入
第一行是一个整数N(0<N<=1000),表示有N组测试数据。
接下来有N行,每行有一个字符串,字符串的长度小于1000;
输出
对于每组测试数据输出一个整数,为最小添加字符数
样例输入
3
abcbc
aaaab
abcd
样例输出
1
1
4
#include <stdio.h>
#include <string.h>
#include <stdlib.h>
/*动态规划,将字符串分成两段,然后计算至少添加多少个字符才能使这两段字符串相等
将字符串分段时,是从串的中间向两边遍历,加了剪枝*/
char data[1002];	//存储输入数据
int dp[1002][1002];	//打表用
//对于两个字符串arr1和arr2,计算出至少需要添加几个字符
//arr1:要计算的第一个字符串
//arr1_len:arr1的长度
//arr2:要计算的第二个字符串
//arr2_len:arr2的长度
//return:至少添加字符的个数
int find(char *arr1, int arr1_len, char *arr2, int arr2_len)
{
	int temp1, temp2;
	if(dp[arr1_len][arr2_len] != -1)
	{	//记忆化搜索
		return dp[arr1_len][arr2_len];
	}
	if(arr1_len == 0 || arr2_len == 0)
	{
		dp[arr1_len][arr2_len] = arr1_len > arr2_len ? arr1_len : arr2_len;
		return dp[arr1_len][arr2_len];
	}
	if(arr1[0] == arr2[0])
	{
		dp[arr1_len][arr2_len] = find(arr1 + 1, arr1_len - 1, arr2 + 1, arr2_len - 1);
	}
	else{
		temp1 = find(arr1, arr1_len, arr2 + 1, arr2_len - 1);
		temp2 = find(arr1 + 1, arr1_len - 1, arr2, arr2_len);
		dp[arr1_len][arr2_len] = 1 + (temp1 < temp2 ? temp1 : temp2);
	}
	return dp[arr1_len][arr2_len];
}
int main()
{
	int t ;
	int i = 1;//while
	int data_len;//输入的字符串的长度
	int res;//要输出的结果
	int temp;//临时变量
//	freopen("in.txt", "r", stdin);	
	scanf("%d%*c", &t);
	while(t --)
	{
		scanf("%s", data);
		data_len = strlen(data);
		
		memset(dp, -1, sizeof(dp));
		res = find(data, data_len / 2, data + data_len / 2, data_len - data_len / 2);
		i = 1;
		//插入位置从中间向两边找,若从左到右会超时,i > res时需要添加的字符个数就一定会大于res,所以不需要继续遍历了
		while(i <= res && i <= data_len / 2)
		{
			memset(dp, -1, sizeof(dp));
			temp = find(data, data_len / 2 + i, data + data_len / 2 + i, data_len - data_len / 2 - i);
			res = res < temp ? res : temp;
			memset(dp, -1, sizeof(dp));
			temp = find(data, data_len / 2 - i, data + data_len / 2 - i, data_len - data_len / 2 + i);
			res = res < temp ? res : temp;
			++ i;
		}
		printf("%d\n", res);
	}
	return 0;
}







【电动车】基于多目标优化遗传算法NSGAII的峰谷分时电价引导下的电动汽车充电负荷优化研究(Matlab代码实现)内容概要:本文围绕“基于多目标优化遗传算法NSGA-II的峰谷分时电价引导下的电动汽车充电负荷优化研究”展开,利用Matlab代码实现优化模型,旨在通过峰谷分时电价机制引导电动汽车有序充电,降低电网负荷波动,提升能源利用效率。研究融合了多目标优化思想与遗传算法NSGA-II,兼顾电网负荷均衡性、用户充电成本和充电满意度等多个目标,构建了科学合理的数学模型,并通过仿真验证了方法的有效性与实用性。文中还提供了完整的Matlab代码实现路径,便于复现与进一步研究。; 适合人群:具备一定电力系统基础知识和Matlab编程能力的高校研究生、科研人员及从事智能电网、电动汽车调度相关工作的工程技术人员。; 使用场景及目标:①应用于智能电网中电动汽车充电负荷的优化调度;②服务于峰谷电价政策下的需求侧管理研究;③为多目标优化算法在能源系统中的实际应用提供案例参考; 阅读建议:建议读者结合Matlab代码逐步理解模型构建与算法实现过程,重点关注NSGA-II算法在多目标优化中的适应度函数设计、约束处理及Pareto前沿生成机制,同时可尝试调整参数或引入其他智能算法进行对比分析,以深化对优化策略的理解。
一、基础信息 数据集名称:可回收材料目标检测数据集 图片数量: - 训练集:7,701张图片 - 验证集:733张图片 - 测试集:367张图片 - 总计:8,801张图片 分类类别: - carton(纸板):常见可回收包装材料 - metal(金属):如铝罐和铁制品等可回收金属 - papel(纸):纸张类可回收材料 - plastico(塑料):塑料瓶和容器等可回收塑料 - vidrio(玻璃):玻璃瓶和罐等可回收玻璃 标注格式:YOLO格式,包含边界框和类别标签,适用于目标检测任务 数据格式:JPEG图片,来源于实际场景 二、适用场景 智能垃圾回收系统开发: 数据集支持目标检测任务,帮助构建自动识别和分类可回收材料的AI模型,用于智能垃圾桶或回收站,提升垃圾处理效率。 环保与可持续发展应用: 集成至环保设备或移动应用,提供实时材料识别功能,促进垃圾分类和资源回收,支持绿色倡议。 学术与工业研究: 支持计算机视觉在环境科学和废物管理领域的研究,推动AI技术在环保中的创新应用。 教育与培训: 可用于学校或社区项目,作为垃圾分类教育的视觉辅助工具,提高公众环保意识。 三、数据集优势 精准标注与多样性: 标注采用YOLO格式,确保边界框定位准确,类别覆盖五种常见可回收材料,具有高度实用性。 数据规模合理: 拥有超过8,000张图片,训练集、验证集和测试集分布均衡,支持有效的模型训练和评估。 任务适配性强: 标注兼容主流深度学习框架(如YOLO系列),可直接用于目标检测模型开发,加速应用部署。 环保价值突出: 专注于可回收材料识别,有助于减少垃圾污染、促进循环经济,具有显著的社会和环境效益。
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