算法竞赛入门经典(第2版):习题3-6 纵横字谜的答案(Crossword Answers, ACM/ICPC World Finals 1994, UVa232)

这篇博客介绍了如何解决一个关于纵横字谜的编程问题,涉及从输入矩阵中找出横向和竖向的单词。代码使用C语言实现,通过扫描网格并标记起始格来找到单词,并按序号输出。博客作者花费了3小时完成此题,表达了对解题速度的自我反思。

习题3-6 纵横字谜的答案(Crossword Answers, ACM/ICPC World Finals 1994,UVa232)


题目

输入一个r 行c 列(1<r,.c<10) 的网格,黑格用“”每个白格都填有一个字母。如果一个白格的左边相邻位置或者上边相邻位置没有白格(可能是黑格,也可能出了网格边界),则称这个白格是一个起始格
你的任务是找出网格中所有所有横向单词(Across)。.这些单词必须从一个起始格(左边是黑格,或是第一列) 开始,向右延伸到一个黑格的左边或者整个网格的最右列。然后找出所有竖向单词(Down)。
这些单词必须从一个起始格(上边是黑格,或是第一行) 开始,向下延伸到一个黑格的上边或者整个网格的最下行。
输入:
有多个矩阵输入,每一个矩阵都是以RC 开始(1<r,c<10),表示R 行C 列,然后下面紧跟着一个R 行C 列的矩阵,里面全部是大写字母或是
,以,C 代表所有矩阵输入结束。

输入输出格式(洛谷)

还是老样子空行分隔,最后一行不需要空行
输出单词的序号需要右对齐(“%3d”)

//输入格式
2 2
AT
*O
6 7
AIM*DEN
*ME*ONE
UPON*TO
SO*ERIN
*SA*OR*
IES*DEA
0
//输出格式
puzzle #1:
Across
1.AT
3.O
Down
1.A
2.TO
puzzle #2:
Across
1.AIM
4.DEN
7.ME
8.ONE
9.UPON
11.TO
12.SO
13.ERIN
15.SA
17.OR
18.IES
19.DEA
Down
1.A
2.IMPOSE
3.MEO
4.DO
5.ENTIRE
6.NEON
9.US
10.NE
14.ROD
16.AS
18.I
20.A

代码

#include <stdio.h> 
#include <string.h>
char a[15][15]; 
char b[15][15];
int main(){
	int r,c;
	int g=1;
	while(1){
		
		if(scanf("%d",&r)==1 && r==0){
			break;
		}
		scanf("%d",&c);
		int k=1;
		for(int i=0;i<r;i++){
			for(int j=0;j<c;j++){
				while(scanf("%c",&a[i][j]) && (a[i][j]=='\n' || a[i][j]==' ') );
				if(a[i][j]!='*' && (i-1<0 ||j-1<0 ||a[i-1][j]=='*' ||a[i][j-1]=='*')){
					b[i][j]=k++;	
				}
			}
		}
		if(g>1){
			printf("\n");
		}
		printf("puzzle #%d:\n",g++);
		printf("Across\n");
		for(int i=0;i<r;i++){
			int flag=0;			
			for(int j=0;j<c;j++){
				if(a[i][j]!='*'){
					if(flag==0){
						printf("%3d.",b[i][j]);
						flag=1;
					}
					if(j+1>=c || a[i][j+1]=='*'){
						printf("%c\n",a[i][j]);
						flag=0;
					}else{
						printf("%c",a[i][j]);
					}
				}
				continue;
			}
		}
		printf("Down\n");//本想横向改一下直接用,
		//不乘想纵向输出也要按序号升序来,只好重写
		int f=r*c;
		int g=0;
		while(g<f){
			int j=g%c;
			int i=g/c;
			if(*(*(a+i)+j)!='*' &&(g<c || *(*(a+i-1)+j)=='*')){
				
				int flag=0;			
				for(;i<r;i++){
						if(flag==0){
							printf("%3d.",b[i][j]);
							flag=1;
						}
						if(i+1>=r || a[i+1][j]=='*'){
							printf("%c\n",a[i][j]);
							break;
						}else{
							printf("%c",a[i][j]);
						}
				}
			}
			g++;
		}
		
		
	}
	return 0;
}

总结

3个小时一道题,这速度真的没救了

基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究”展开,提出了一种结合数据驱动方法与Koopman算子理论的递归神经网络(RNN)模型线性化方法,旨在提升纳米定位系统的预测控制精度与动态响应能力。研究通过构建数据驱动的线性化模型,克服了传统非线性系统建模复杂、计算开销大的问题,并在Matlab平台上实现了完整的算法仿真与验证,展示了该方法在高精度定位控制中的有效性与实用性。; 适合人群:具备一定自动化、控制理论或机器学习背景的科研人员与工程技术人员,尤其是从事精密定位、智能控制、非线性系统建模与预测控制相关领域的研究生与研究人员。; 使用场景及目标:①应用于纳米级精密定位系统(如原子力显微镜、半导体制造设备)中的高性能预测控制;②为复杂非线性系统的数据驱动建模与线性化提供新思路;③结合深度学习与经典控制理论,推动智能控制算法的实际落地。; 阅读建议:建议读者结合Matlab代码实现部分,深入理解Koopman算子与RNN结合的建模范式,重点关注数据预处理、模型训练与控制系统集成等关键环节,并可通过替换实际系统数据进行迁移验证,以掌握该方法的核心思想与工程应用技巧。
基于粒子群算法优化Kmeans聚类的居民用电行为分析研究(Matlb代码实现)内容概要:本文围绕基于粒子群算法(PSO)优化Kmeans聚类的居民用电行为分析展开研究,提出了一种结合智能优化算法与传统聚类方法的技术路径。通过使用粒子群算法优化Kmeans聚类的初始聚类中心,有效克服了传统Kmeans算法易陷入局部最优、对初始值敏感的问题,提升了聚类的稳定性和准确性。研究利用Matlab实现了该算法,并应用于居民用电数据的行为模式识别与分类,有助于精细化电力需求管理、用户画像构建及个性化用电服务设计。文档还提及相关应用场景如负荷预测、电力系统优化等,并提供了配套代码资源。; 适合人群:具备一定Matlab编程基础,从事电力系统、智能优化算法、数据分析等相关领域的研究人员或工程技术人员,尤其适合研究生及科研人员。; 使用场景及目标:①用于居民用电行为的高效聚类分析,挖掘典型用电模式;②提升Kmeans聚类算法的性能,避免局部最优问题;③为电力公司开展需求响应、负荷预测和用户分群管理提供技术支持;④作为智能优化算法与机器学习结合应用的教学与科研案例。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,深入理解PSO优化Kmeans的核心机制,关注参数设置对聚类效果的影响,并尝试将其应用于其他相似的数据聚类问题中,以加深理解和拓展应用能力。
评论 1
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