10010 - Where's Waldorf?

本文介绍了一个用于二维字符网格中搜索特定字符串的C语言程序。该程序实现了八种不同的方向搜索,并通过布尔标志跟踪搜索状态,一旦找到目标字符串即停止搜索过程。文章通过具体的代码示例详细解释了如何初始化二维字符数组、读取目标字符串并进行大小写不敏感的匹配。
#include <stdio.h>
#include <stdlib.h>
#include <stdbool.h>
#include <string.h>

#define PENDING 2

void try_search( char * tab, char * target, int row, int col, int len, int d_r, int d_c, int * res_r, int * res_c, bool * searched ) {
	if( * searched ) return;
	
	int r, c;

	for( r = 0; r < row; r++ )
	for( c = 0; c < col; c++ ) {
		int r1 = r, c1 = c;
		int l;
		for( l = 0; l < len; l++ ) {
			if( r1 < 0 || r1 >= row || c1 < 0 || c1 >= col || tab[ r1 * col + c1 ] != target[l] ) {
				l = len + 1;
			}
			r1 += d_r;
			c1 += d_c;
		}
		if( l == len ) {
			* searched = true;
			* res_r = r;
			* res_c = c;

			r = row;
			c = col;

		}
	
	}
}

int main( int argc, char * argv[] ) {
	int z, Z;
	scanf( "%d", &Z );
	
	for( z = 0; z < Z; z++ ) {
		if( z ) printf( "\n" );

		int row, col;
		scanf( "%d %d", &row, &col );

		char * tab = malloc( sizeof( char ) * row * col + PENDING );

		int i, j;
		
		for( i = 0; i < row; i++ ) scanf( "%s", tab + i * col );
		for( i = 0; i < row * col; i++ ) tab[ i ] = toupper( tab [ i ] );

		int x, X;
		scanf( "%d", &X );
		for( x = 0; x < X; x++ ) {
			char target[64];

			scanf( "%s", target );
			int len = strlen( target );
			for( i = 0; i < len; i++ ) target[ i ] = toupper( target[ i ] );

			bool searched = false;
			int res_r = 0, res_c = 0;
			try_search( tab, target, row, col, len,  0,  1, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len,  0, -1, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len,  1, -1, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len,  1,  0, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len,  1,  1, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len, -1, -1, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len, -1,  0, &res_r, &res_c, &searched );
			try_search( tab, target, row, col, len, -1,  1, &res_r, &res_c, &searched );

			printf( "%d %d\n", res_r + 1, res_c + 1 );
		
		}


		free( tab );
	
	}
	return 0;
}

【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)内容概要:本文提出了一种基于融合鱼鹰和柯西变异的麻雀优化算法(OCSSA)优化变分模态分解(VMD)参数,并结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)的轴承故障诊断模型。该方法利用西储大学公开的轴承数据集进行验证,通过OCSSA算法优化VMD的分解层数K和惩罚因子α,有效提升信号分解精度,抑制模态混叠;随后利用CNN提取故障特征的空间信息,BiLSTM捕捉时间序列的动态特征,最终实现高精度的轴承故障分类。整个诊断流程充分结合了信号预处理、智能优化与深度学习的优势,显著提升了复杂工况下轴承故障诊断的准确性与鲁棒性。; 适合人群:具备一定信号处理、机器学习及MATLAB编程基础的研究生、科研人员及从事工业设备故障诊断的工程技术人员。; 使用场景及目标:①应用于旋转机械设备的智能运维与故障预警系统;②为轴承等关键部件的早期故障识别提供高精度诊断方案;③推动智能优化算法与深度学习在工业信号处理领域的融合研究。; 阅读建议:建议读者结合MATLAB代码实现,深入理解OCSSA优化机制、VMD参数选择策略以及CNN-BiLSTM网络结构的设计逻辑,通过复现实验掌握完整诊断流程,并可进一步尝试迁移至其他设备的故障诊断任务中进行验证与优化。
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