Day4 - LeetCode 10.正则表达式匹配

本文提供LeetCode刷题策略,包括热题HOT100和精选TOP面试题,以及对LeetCode第10题正则表达式匹配的详细解析,涵盖动态规划解法。

    如果你时间比较紧迫,为了找工作而刷题,我建议你先刷热门推荐,一共100道题。

先刷热题 HOT 100,再刷精选 TOP 面试题,之后刷其他的题。

    接下来的一段时间,我会把做的这些题做一个总结,每天在 每日一题算法群中公布题目和解法,定时推送公众号,欢迎各位关注公众号加入群聊,大家一起监督一起努力。

LeetCode day 1 题号1、2(两数之和,两数相加)

LeetCode day 2 题号 3、4 (最长无重复子串,两个有序数组的中位数)

LeetCode day3 题号5 (最长回文子串)

LeetCode 10 正则表达式匹配

  给你一个字符串 s 和一个字符规律 p,请你来实现一个支持 '.' 和 '*' 的正则表达式匹配。

'.' 匹配任意单个字符
'*' 匹配零个或多个前面的那一个元素

所谓匹配,是要涵盖 整个 字符串 s的,而不是部分字符串。

说明:

  • s 可能为空,且只包含从 a-z 的小写字母。

  • p 可能为空,且只包含从 a-z 的小写字母,以及字符 . 和 *

输入:
s = "aa"
p = "a"
输出:false
解释:"a"不能匹配整个字符串"aa"
输入:
s = "aa"
p = "a*"
输出:true
解释:'a*'表示0个或任意多个'a'的时候,可以匹配"aa"
输入:
s = "ab"
p = ".*"
输入:true
解释:".*"表示0个或任意多个'.',而'.'可以匹配任意字符,所以p和s可以匹配
输入:
s = "aab"
p = "c*a*b"
输出:true
解释:这里的p表示0个c、2个a、1个b,可以匹配s
输入:
s = "mississippi"
p = "mis*is*p*."
输出:false

    题目链接:        10 正则表达式匹配

动态规划分析

(动态规划) O(nm)

dp[i][j] 表示 s 的前 i 个是否能被 p的前 j 个匹配

    已知dp[i-1][j-1] 意思就是前面子串都匹配上了,不知道新的一位的情况。
    那就分情况考虑,所以对于新的一位 p[j] s[i]的值不同,要分情况讨论:

    我们把所有可能出现true的情况罗列出来 那么剩下的情况就都是false了

1.考虑最简单的 p[j] == s[i]dp[i][j] = dp[i-1][j-1]
2.p[j] == '.' : 由于.是万能符 故dp[i][j] = dp[i-1][j-1]
3.p[j] ==' * '的情况

3.1 p[j-1] != s[i] : dp[i][j] = dp[i][j-2]这就是刚才说的那种前一个字符匹配不上的情况。

  • 比如(ab, abc * )。遇到 *往前看两个,发现前面 s[i] 的 ab对 p[j-2] 的 ab 能匹配,虽然后面是 c*,但是可以看做匹配 0 次 c,相当于直接去掉 c *,所以也是True。注意 (ab, abc**)False

3.2 p[j-1] == s[i] or p[j-1] == "."

  • 前面那个字符,能匹配 s[i],或者 前面那个字符是万能的,因为.*   相当于 ..,那就只要看前面可不可以匹配就行。

  • 比如 (##b, ###b*),或者 (##b , ###.*)只看 ### 后面一定是能够匹配上的。所以要看 b 和 b * 前面那部分 ##的地方匹不匹配。

1.如果 p.charAt(j) == s.charAt(i) : dp[i][j] = dp[i-1][j-1];
2.如果 p.charAt(j) == ‘.’ : dp[i][j] = dp[i-1][j-1];
3.如果 p.charAt(j) == ‘*’:
  • 如果 p.charAt(j-1) != s.charAt(i): dp[i][j] = dp[i][j-2] //in this case, a* only counts as empty

  • 如果 p.charAt(i-1) == s.charAt(i) or p.charAt(i-1) == ‘.’:
    dp[i][j] = dp[i-1][j] //in this case, a counts as multiple a
    ordp[i][j] = dp[i][j-1]// in this case, a
     counts as single a
    or dp[i][j] = dp[i][j-2] // in this case, a* counts as empty

class Solution {
public boolean isMatch(String s,String p){
            if (s == null || p == null) {
                return false;
            }
            boolean[][] dp = new boolean[s.length() + 1][p.length() + 1];
            dp[0][0] = true;//dp[i][j] 表示 s 的前 i 个是否能被 p 的前 j 个匹配
            for (int i = 0; i < p.length(); i++) { // here's the p's length, not s's
                if (p.charAt(i) == '*' && dp[0][i - 1]) {
                    dp[0][i + 1] = true; // here's y axis should be i+1
                }
            }
            for (int i = 0; i < s.length(); i++) {
                for (int j = 0; j < p.length(); j++) {
                    if (p.charAt(j) == '.' || p.charAt(j) == s.charAt(i)) {//如果是任意元素 或者是对于元素匹配
                        dp[i + 1][j + 1] = dp[i][j];
                    }
                    if (p.charAt(j) == '*') {
                        if (p.charAt(j - 1) != s.charAt(i) && p.charAt(j - 1) != '.') {//如果前一个元素不匹配 且不为任意元素
                            dp[i + 1][j + 1] = dp[i + 1][j - 1];
                        } else {
                            dp[i + 1][j + 1] = (dp[i + 1][j] || dp[i][j + 1] || dp[i + 1][j - 1]);
                            /*
                            dp[i][j] = dp[i-1][j] // 多个字符匹配的情况    
                            or dp[i][j] = dp[i][j-1] // 单个字符匹配的情况
                            or dp[i][j] = dp[i][j-2] // 没有匹配的情况
                             */

                        }
                    }
                }
            }
            return dp[s.length()][p.length()];
        }
}

LeetCode day 1 题号1、2(两数之和,两数相加)

LeetCode day 2 题号 3、4 (最长无重复子串,两个有序数组的中位数)

LeetCode day3 题号5 (最长回文子串)

快来加入 每日一题算法群 吧

    下期预告:

                            11.盛最多水的容器

                                    

【电力系统】单机无穷大电力系统短路故障暂态稳定Simulink仿真(带说明文档)内容概要:本文档围绕“单机无穷大电力系统短路故障暂态稳定Simulink仿真”展开,提供了完整的仿真模型与说明文档,重点研究电力系统在发生短路故障后的暂态稳定性问题。通过Simulink搭建单机无穷大系统模型,模拟不同类型的短路故障(如三相短路),分析系统在故障期间及切除后的动态响应,包括发电机转子角度、转速、电压和功率等关键参数的变化,进而评估系统的暂态稳定能力。该仿真有助于理解电力系统稳定性机理,掌握暂态过程分析方法。; 适合人群:电气工程及相关专业的本科生、研究生,以及从事电力系统分析、运行与控制工作的科研人员和工程师。; 使用场景及目标:①学习电力系统暂态稳定的基本概念与分析方法;②掌握利用Simulink进行电力系统建模与仿真的技能;③研究短路故障对系统稳定性的影响及提高稳定性的措施(如故障清除时间优化);④辅助课程设计、毕业设计或科研项目中的系统仿真验证。; 阅读建议:建议结合电力系统稳定性理论知识进行学习,先理解仿真模型各模块的功能与参数设置,再运行仿真并仔细分析输出结果,尝试改变故障类型或系统参数以观察其对稳定性的影响,从而深化对暂态稳定问题的理解。
本研究聚焦于运用MATLAB平台,将支持向量机(SVM)应用于数据预测任务,并引入粒子群优化(PSO)算法对模型的关键参数进行自动调优。该研究属于机器学习领域的典型实践,其核心在于利用SVM构建分类模型,同时借助PSO的全局搜索能力,高效确定SVM的最优超参数配置,从而显著增强模型的整体预测效能。 支持向量机作为一种经典的监督学习方法,其基本原理是通过在高维特征空间中构造一个具有最大间隔的决策边界,以实现对样本数据的分类或回归分析。该算法擅长处理小规模样本集、非线性关系以及高维度特征识别问题,其有效性源于通过核函数将原始数据映射至更高维的空间,使得原本复杂的分类问题变得线性可分。 粒子群优化算法是一种模拟鸟群社会行为的群体智能优化技术。在该算法框架下,每个潜在解被视作一个“粒子”,粒子群在解空间中协同搜索,通过不断迭代更新自身速度与位置,并参考个体历史最优解和群体全局最优解的信息,逐步逼近问题的最优解。在本应用中,PSO被专门用于搜寻SVM中影响模型性能的两个关键参数——正则化参数C与核函数参数γ的最优组合。 项目所提供的实现代码涵盖了从数据加载、预处理(如标准化处理)、基础SVM模型构建到PSO优化流程的完整步骤。优化过程会针对不同的核函数(例如线性核、多项式核及径向基函数核等)进行参数寻优,并系统评估优化前后模型性能的差异。性能对比通常基于准确率、精确率、召回率及F1分数等多项分类指标展开,从而定量验证PSO算法在提升SVM模型分类能力方面的实际效果。 本研究通过一个具体的MATLAB实现案例,旨在演示如何将全局优化算法与机器学习模型相结合,以解决模型参数选择这一关键问题。通过此实践,研究者不仅能够深入理解SVM的工作原理,还能掌握利用智能优化技术提升模型泛化性能的有效方法,这对于机器学习在实际问题中的应用具有重要的参考价值。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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