梦里什么都有(状压DP)

梦里什么都有

时间限制: 1000ms 内存限制: 524288KB
通过次数: 3 总提交次数: 25
问题描述

Air_H 和灰哥身为两个老大(dalao), 经常派给小弟 zbt 很多任务, zbt 也不堪重负。 一天, 两个大哥又要 zbt 去广纳中北贤士为将来进入 icpc world final 做准备。zbt 当然很苦恼啦,他不知道怎样出考题了, 于是决定去睡觉做梦来解决这个问题。睡着睡着, 他终于做梦了, 经过一番梦境游荡, zbt 终于找到了合适的题目。 但是 zbt很懒, 他也不想写题面了, 于是就直接把问题赤裸裸的告诉了考生。  
有一个父字符串, 全部是由小写字母组成的, 你可以把这个字符串分成多份(当然也可以只有一份), 每一部分都叫做子字符串, 但是不能乱分, 你要保证每一个子字符串的所有字符经过重新排列后可以成为回文串。 求出一个父字符串最少可以分成多少个子字符串。  
回文串: 一个字符串倒转后和原字符串相同那么这个字符串就是回文串。 例如“abcba”,“bccb”,“a” 都是回文串,“abcab”,“aac” 就不是回文串。

输入描述

输入只有一个字符串 s, 全部为小写字母。 1≤|s|≤100000

输出描述

输出只有一行一个数字, 代表最少可以分成多少个串, 使每个串重新排列后都可以成为回文串。

样例输入
aabcbd
样例输出
2
来源
中北大学2017年程序设计新生赛
提示

分为两个串 “aabcb”和“d”, 第一个可以变为“abcba”。

思路:一个字符串经过排列组合后如果是回文串,那么它要么里面每个字母都是偶数个,要么只有一个字母是奇数个(放在最中间),我们可以用二进制位表示这种状态:第0位是0表示a有偶数个,第0位是1表示a有奇数个,第1位是1表示b有奇数个,以此类推。

a[i]表示前i个字符组成的字符串中哪几个字母是奇数个,哪几个字母是偶数的状态;

我们定义状态dp[a[i]]表示前i个字符组成的字符串分成dp[a[i]]个最优。

转移看代码:

#include<bits/stdc++.h>
using namespace std;
#define maxn 200005
int op[maxn],a[maxn],str[30];
int dp[1<<26];
#define inf  999999
int main()
{
    string s;
    int n;
    cin>>s;
    n=s.size();
    memset(str,0,sizeof(str));
    for(int i=0;i<n;i++){
        int bit=0;
        str[s[i]-'a']++;
        for(int j=0;j<26;j++){
             if(str[j]%2){
                 bit+=(1<<j);
             }
        }
        a[i+1]=bit;//表示前i个长度的字串,都有哪些字母是奇数个;
    }
   for(int i=0;i<1<<26;i++){
		dp[i] = inf;//表示在i状态下,能够满足题意得最少分解数目
	}
	for(int i=0;i<=n;i++) op[i] = inf;
    dp[0]=0;
    for(int i=1;i<=n;i++){
        op[i]=dp[a[i]];
        for(int j=0;j<26;j++){
            op[i]=min(op[i],dp[a[i]^(1<<j)]);//字符有奇数个时的状态:是由去掉当前某一个字符后得到的那个状态最优转移而来
        }
        op[i]++;//加上去掉的那个字符
        dp[a[i]]=min(dp[a[i]],op[i]);//分奇偶维护状态,字符有奇数个时的状态:op[i]最优,偶数个时不用再转移,dp[a[i]]已经最优。
    }
    cout<<op[n]<<endl;
    return 0;
}



内容概要:本文针对国内加密货币市场预测研究较少的现,采用BP神经网络构建了CCi30指数预测模型。研究选取2018年3月1日至2019年3月26日共391天的数据作为样本,通过“试凑法”确定最优隐结点数目,建立三层BP神经网络模型对CCi30指数收盘价进行预测。论文详细介绍了数据预处理、模型构建、训练及评估过程,包括数据归一化、特征工程、模型架构设计(如输入层、隐藏层、输出层)、模型编译与训练、模型评估(如RMSE、MAE计算)以及结果可视化。研究表明,该模型在短期内能较准确地预测指数变化趋势。此外,文章还讨论了隐层节点数的优化方法及其对预测性能的影响,并提出了若干改进建议,如引入更多技术指标、优化模型架构、尝试其他时序模型等。 适合人群:对加密货币市场预测感兴趣的研究人员、投资者及具备一定编程基础的数据分析师。 使用场景及目标:①为加密货币市场投资者提供一种新的预测工具和方法;②帮助研究人员理解BP神经网络在时间序列预测中的应用;③为后续研究提供改进方向,如数据增强、模型优化、特征工程等。 其他说明:尽管该模型在短期内表现出良好的预测性能,但仍存在一定局限性,如样本量较小、未考虑外部因素影响等。因此,在实际应用中需谨慎对待模型预测结果,并结合其他分析工具共同决策。
评论 2
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