soj 1162: I-Keyboard(dp + 记忆化搜索)

@(K ACMer)


题意:
手机有k个按键,你有l个字符需要印在这些按键上,每个字符被使用的平均频率已知.要求设计出一个最佳的按键分块方案,使期望的按次数最小.
分析:
就是把l个字符划分为k分,让每一份的按键次数加起来最小,典型的划分dp.
定义dp[i][j]为把前i个数划分为j个部分的最小期望按的次数总和.那么有转移方程:

dp[i][j]=min(dp[k][j1]+cal(k+1,i))  (j1<=k<i)  (cal(i,j)ij)

这里cal(i , j)显然会被重复计算,故用记忆化搜索.

Code:

#include <iostream>
#include <cstdio>
#include <cstring>
#include <set>
#include <map>
#include <stack>
#include <vector>
#include <string>
#include <queue>
#include <cstdlib>
#include <cmath>
#include <algorithm>
using namespace std;
const int mod = int(1e9) + 7, INF = 0x3fffffff, maxn = 66 + 40;
pair<int, int> dp[maxn][maxn];
int k, l;
char key[maxn], a[maxn];
int p[maxn], dpcal[maxn][maxn];

int cal(int i, int j) {
    if (dpcal[i][j] != -1) return dpcal[i][j];
    int ret = 0;
    for (int k = i, l = 1; k <= j; k++, l++)
        ret += l * p[k];
    return dpcal[i][j] = ret;
}

int main(void) {
    int T;
    cin >> T;
    for (int cas = 1; cas <= T; cas++) {
        memset(dpcal, -1, sizeof(dpcal));
        cin >> k >> l;
        for (int i = 1; i <= k; i++)
            cin >> key[i];
        for (int j = 1; j <= l; j++)
            cin >> a[j];
        for (int i = 1; i <= l; i++)
            cin >> p[i];
        for (int i = 0; i <= l; i++)
            for (int j = 0; j <= k; j++)
                dp[i][j].first = INF;
        dp[0][0].first = 0;
        for (int i = 1; i <= l; i++) {
            for (int j = 1; j <= min(k, i); j++) {
                for (int m = i - 1; m >= j - 1; m--) {
                    if (j - 1 == 0 && m != 0) continue;
                    int temp = cal(m + 1, i);
                    if (dp[i][j].first >= dp[m][j - 1].first + temp) {
                        dp[i][j].first = dp[m][j - 1].first + temp;
                        dp[i][j].second = m;
                    }
                }
            }
        }
        stack<int> st;
        int t = dp[l][k].second, kk = k;
        st.push(l);
        while (st.size() < k) {
            st.push(t);
            t = dp[st.top()][--kk].second;
        }
        t = 1, kk = 1;

        cout << "Keypad #" << cas << ":" << endl;
        while (!st.empty()) {
            cout << key[t++] << ": ";
            for (; kk <= st.top(); kk++) {
                cout << a[kk];
            }
            cout << endl;
            st.pop();
        }
        cout << endl;
    }
    return 0;
}
内容概要:论文提出了一种基于空间调制的能量高效分子通信方案(SM-MC),将传输符号分为空间符号和浓度符号。空间符号通过激活单个发射纳米机器人的索引来传输信息,浓度符号则采用传统的浓度移位键控(CSK)调制。相比现有的MIMO分子通信方案,SM-MC避免了链路间干扰,降低了检测复杂度并提高了性能。论文分析了SM-MC及其特例SSK-MC的符号错误率(SER),并通过仿真验证了其性能优于传统的MIMO-MC和SISO-MC方案。此外,论文还探讨了分子通信领域的挑战、优势及相关研究工作,强调了空间维度作为新的信息自由度的重要性,并提出了未来的研究方向和技术挑战。 适合人群:具备一定通信理论基础,特别是对纳米通信和分子通信感兴趣的科研人员、研究生和工程师。 使用场景及目标:①理解分子通信中空间调制的工作原理及其优势;②掌握SM-MC系统的具体实现细节,包括发射、接收、检测算法及性能分析;③对比不同分子通信方案(如MIMO-MC、SISO-MC、SSK-MC)的性能差异;④探索分子通信在纳米网络中的应用前景。 其他说明:论文不仅提供了详细的理论分析和仿真验证,还给出了具体的代码实现,帮助读者更好地理解和复现实验结果。此外,论文还讨论了分子通信领域的标准化进展,以及未来可能的研究方向,如混合调制方案、自适应调制技术和纳米机器协作协议等。
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