典型递归问题

面试题: 输入两个字符串,比如abdbcc和abc,输出第二个字符串在第一个字符串中的连接次序。即输出125,126,145,146.(程序员面试宝典第三版P83)

书上解法在写PrintfArray函数中的一个循环嵌套有问题,换个次序能符合一般情况,如下所示(只写嵌套部分程序)

for(int j=sStartnum;j<s_len;j++)
	{
		for(int i = pStartnum;i<p_len;i++)
		{
			if(*(p_str+i) == *(s_str+j))
			{
	    		print_arr[printnum] = i+1;
		    	pStartnum = i;
		    	sStartnum = j;
		    	PrintfArray(p_str,s_str,
			    	print_arr,p_len,s_len,
			    	printnum+1,pStartnum+1,
			    	sStartnum+1);
			}
		}
	}


 

这样一改,连接次序才能真正与小字符串一致。

递归过程简而言之就是:(假设a(1)比b(1)先出现,b(1)比c(1)先出现)

1.先定位a(1)、b(1),找c(1)、c(2)、c(3)等等。

2.回调,定位a(1),定位b(2),找c(1)、c(2)、c(3)等等。

3.再回调,定位a(1),定位b(3),找c(1)、c(2)、c(3)等等。

....b都找完后。

4.再回调,定位a(2),定位a(2)后面的b,方法同上。

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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