Uva 422 - Word-Search Wonder

本文介绍了一个用于二维字符矩阵中搜索特定字符串的算法实现。通过遍历矩阵并利用方向判断,可以定位目标字符串的起始和结束位置。文章还涉及字符串处理技巧,如大小写转换,以增强匹配的灵活性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

之前有一道where is walf.....的题目

改改就好

1Y

#include<stdio.h>
#include<string.h>
char map[160][160];
int n,m;
int gl_x,gl_y,f_x,f_y;
bool f(int p,int q){
	if(p<0||q<0)return 1;
	if(p>=n||q>=m)return 1;
	return 0;
	}
int line(char *s,int p,int q,int x,int y){
	int len=strlen(s);
	int k;
	for(k=1;k<len;k++){
		p+=x;q+=y;
		if(f(p,q)||map[p][q]!=s[k])return 0;
		}
	return 1;
	}
bool Here(char *s,int p,int q){
	if(map[p][q]!=s[0])return 0;
	int i,j;
	int len=strlen(s);
	for(i=-1;i<=1;i++)for(j=-1;j<=1;j++){
		if(i==0&&j==0)continue;
	//	printf("%s~(%d,%d)+(%d,%d)=%d\n",s,p,q,i,j,line(s,p,q,i,j));
		if(line(s,p,q,i,j)){f_x=p+(len-1)*i;f_y=q+(len-1)*j;return 1;}
		}
	return 0;
	}
void search(char *s){
	int p,q;
	for(p=0;p<n;p++)for(q=0;q<m;q++){
		if(Here(s,p,q)){
			gl_x=p+1;
			gl_y=q+1;
			return;
			}
		}
	}
int main(){
	while(scanf("%d",&n)!=EOF&&n){
		m=n;
		int i,j;
		for(i=0;i<n;i++)scanf("%s",map[i]);
		for(i=0;i<n;i++)for(j=0;j<m;j++){
			char c=map[i][j];
			if(c>='A'&&c<='Z'){
				map[i][j]=c-'A'+'a';
				}
			}
		//	printf("!\n");
		char aim[160];
		int px,py;
		while(scanf("%s",aim)!=EOF){
			if(aim[0]=='0')break;
			gl_x=-1;
			for(i=0;i<strlen(aim);i++){
				char c=aim[i];
				if(c>='A'&&c<='Z'){
					aim[i]=c-'A'+'a';
					}
				}
			search(aim);
			if(gl_x!=-1)printf("%d,%d %d,%d\n",gl_x,gl_y,f_x+1,f_y+1);
			else printf("Not found\n");
			}
		}
	return 0;
	}


内容概要:本文介绍了基于SMA-BP黏菌优化算法优化反向传播神经网络(BP)进行多变量回归预测的项目实例。项目旨在通过SMA优化BP神经网络的权重和阈值,解决BP神经网络易陷入局部最优、收敛速度慢及参数调优困难等问题。SMA算法模拟黏菌寻找食物的行为,具备优秀的全局搜索能力,能有效提高模型的预测准确性和训练效率。项目涵盖了数据预处理、模型设计、算法实现、性能验证等环节,适用于多变量非线性数据的建模和预测。; 适合人群:具备一定机器学习基础,特别是对神经网络和优化算法有一定了解的研发人员、数据科学家和研究人员。; 使用场景及目标:① 提升多变量回归模型的预测准确性,特别是在工业过程控制、金融风险管理等领域;② 加速神经网络训练过程,减少迭代次数和训练时间;③ 提高模型的稳定性和泛化能力,确保模型在不同数据集上均能保持良好表现;④ 推动智能优化算法与深度学习的融合创新,促进多领域复杂数据分析能力的提升。; 其他说明:项目采用Python实现,包含详细的代码示例和注释,便于理解和二次开发。模型架构由数据预处理模块、基于SMA优化的BP神经网络训练模块以及模型预测与评估模块组成,各模块接口清晰,便于扩展和维护。此外,项目还提供了多种评价指标和可视化分析方法,确保实验结果科学可信。
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