uva 10405 - Longest Common Subsequence

本文详细阐述了如何使用动态规划解决最长公共子序列问题,并提供了两种不同实现方式的代码,一种使用滚动数组来节省空间。

点击打开链接


题目意思:        给定两个字符串求出最长公共子序列(注意和最长公共字串相区别)


解题思路:        动态规划(节省空间可以加上滚动数组)

                        根据最长公共子序列问题的性质,我们可以规定dp[i][j]为字符串1的前i个字符和字符串2的前j个字符的最长公共子序列的长度,  由于下面涉及到i-1和j-1,那么这个时候我们一般从i=1和j=1开始到i<=len1, j<=len2。
                       1   ch1[i-1] = ch2[j-1] ,那么dp[i][j]= dp[i-1][j-1] + 1;
                       2   ch1[i-1] != ch2[j-1] ,那么我们知道ch1[i]和ch2[j]不可能在同一个公共子序列里出现,那么这个时候的最长的子序列可能以ch1[i]或ch2[j]结尾,那么由于dp[i][j]= max {dp[i-1][j] , dp[i][j-1]};


                                 这个时候所有i=0或j=0的dp[i][j]= 0;
                                 0 ; i = 0或j= 0;
就有          dp   =       dp[i][j] = dp[i-1][j-1] + 1; i > 0且j> 0 且ch1[i-1]= ch2[j-1];
                                 dp[i][j]= max {dp[i-1][j] , dp[i][j-1]};i > 0且j> 0且ch1[i-1]!= ch2[j-1];


代码:有滚动数组

#include <algorithm>
#include <iostream>
#include <cstring>
#include <string>
#include <vector>
#include <cstdio>
#include <stack>
#include <queue>
#include <cmath>
using namespace std;
#define MAXN 30010

char ch1[MAXN] , ch2[MAXN];
int  dp[2][MAXN];//这里是压缩第一维,因为后面的for循环中j是一直变化的
int  longest;

void solve(){
    int i , j;
    int len1 = strlen(ch1);
    int len2 = strlen(ch2);
    memset(dp , 0 , sizeof(dp)) ; longest = 0;
    for(i = 1 ; i <= len1 ; i++){
        for(j = 1 ; j <= len2 ; j++){
            if(ch1[i-1] == ch2[j-1]) dp[i%2][j] = dp[(i-1)%2][j-1]+1;
            else dp[i%2][j] = dp[(i-1)%2][j]>dp[i%2][j-1]?dp[(i-1)%2][j]:dp[i%2][j-1];
            if(dp[i%2][j] > longest) longest = dp[i%2][j];
        }
    }
    printf("%d\n" , longest);
}

int main(){
    //freopen("input.txt" , "r" , stdin);
    while(gets(ch1)){
        gets(ch2) ; solve();
    }
    return 0;
}

没用滚动数组

#include <algorithm>
#include <iostream>
#include <cstring>
#include <string>
#include <vector>
#include <cstdio>
#include <stack>
#include <queue>
#include <cmath>
using namespace std;
#define MAXN 1010

char ch1[MAXN] , ch2[MAXN];
int  dp[MAXN][MAXN];
int  longest;

void solve(){
    int i , j;
    int len1 = strlen(ch1);
    int len2 = strlen(ch2);
    memset(dp , 0 , sizeof(dp)) ; longest = 0;
    for(i = 1 ; i <= len1 ; i++){
        for(j = 1 ; j <= len2 ; j++){
            if(ch1[i-1] == ch2[j-1]) dp[i][j] = dp[i-1][j-1]+1;
            else dp[i][j] = dp[i-1][j]>dp[i][j-1]?dp[i-1][j]:dp[i][j-1];
            if(dp[i][j] > longest) longest = dp[i][j];
        }
    }
    
    printf("%d\n" , longest);
}

int main(){
    //freopen("input.txt" , "r" , stdin);
    while(gets(ch1)){
        gets(ch2) ; solve();
    }
    return 0;
}






内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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