CF 33B String Problem

博客探讨了如何运用Floyd-Warshall算法找到将字符串中所有字符转换为相同字符的最低代价,通过计算每个字符转换的代价并求和,以达到总代价最小化的目标。

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

对每个位置进行操作,求出最终变成相同字母的代价,然后把所有的位上代价加起来,使得总代价最小。res[i][j]表示将字母i+'a'和字母j+'a'变为相同的代价,设最终都变成字母k+'a',那么res[i][j]<?=dp[i][k]+dp[k][j],dp[i][k]表示将字母i+'a'最终变成j+'a'所需的代价,也就是点i到j的最短路径长度,Floyd—Warshall算法可解决。

rec[i][j]记录i和j最终变成的字母-'a'.

 1 #include<stdio.h>
 2 #include<string.h>
 3 #define N 100010
 4 #define M 30
 5 #define INF 9999
 6 #define min(a,b) ((a)>(b)?(b):(a))
 7 
 8 int dp[M][M],rec[M][M],res[M][M],vis[M][M];
 9 char s[N],t[N];
10 
11 int find(int i,int j)
12 {
13     if(vis[i][j])
14         return res[i][j];
15     int k,ans=res[i][j];
16     vis[i][j]=vis[j][i]=1;
17 
18     for(k=0; k<26; k++)
19         if(dp[i][k]+dp[j][k]<ans)
20         {
21             ans=dp[i][k]+dp[j][k];
22             rec[j][i]=rec[i][j]=k;
23         }
24 
25     return res[i][j]=res[j][i]=ans;
26 }
27 
28 
29 int main(void)
30 {
31     gets(s);
32     gets(t);
33     char ch1,ch2;
34     int n,i,j,k;
35     for(i=0; i<26; i++)
36         for(j=0; j<26; j++)
37             if(i==j)vis[i][j],rec[i][j]=j;
38             else dp[i][j]=INF,res[i][j]=INF,rec[i][j]=-1;//将i!=j的点初始状态用INF表示为不可连通
39 
40     scanf("%d",&n);
41     getchar();
42 
43     for(i=1; i<=n; i++)
44     {
45         int w;
46         scanf("%c %c %d",&ch1,&ch2,&w);
47         getchar();
48         ch1-='a';
49         ch2-='a';
50             dp[ch1][ch2]=min(w,dp[ch1][ch2]);
51     }
52 
53     for(k=0; k<26; k++)
54         for(i=0; i<26; i++)
55             for(j=0; j<26; j++)
56                 dp[i][j]=min(dp[i][j],dp[i][k]+dp[k][j]);
57 
58     int te,sum=0;
59     int len1=strlen(s);
60     int len2=strlen(t);
61     if(len1-len2)
62         printf("-1\n");
63     else
64     {
65         for(i=0; i<len1; i++)
66         {
67             ch1=s[i]-'a';
68             ch2=t[i]-'a';
69             te=find(ch1,ch2);
70             if(te>=INF)
71                 return printf("-1\n"),0;
72             else
73             {
74                 sum+=te;
75                 s[i]=rec[ch1][ch2]+'a';
76             }
77         }
78         printf("%d\n",sum);
79         puts(s);
80     }
81     return 0;
82 }

 

关于 Vicuna 33B 模型的具体细节和使用情况,在当前提供的引用中并未直接提及相关内容。然而,可以从一般的大语言模型特性以及微调技术的应用角度来推测其可能的特点。 ### Vicuna 33B Model Details Vicuna 是基于 Meta 开源的 LLaMA 系列模型进行二次开发的一个开源项目,通常通过 LoRA 或者 QLoRA 技术实现高效参数优化[^2]。对于 Vicuna 33B 而言,它属于较大规模的语言模型之一,具有约 330 亿个参数。这种规模使其能够更好地捕捉复杂的语义模式并生成高质量的内容。具体来说: - **存储精度**:类似于其他大型语言模型,Vicuna 可能采用低精度存储策略以减少内存占用。例如,QLoRA 使用的是 4-bit 存储格式,并在计算过程中将其转换为更高精度的数据类型(如 BFloat16)以便于矩阵运算[^1]。 - **应用场景**:根据已有研究显示,经过有效微调后的模型能够在多种自然语言处理任务上取得优异成绩。比如,在新闻摘要生成任务(CNN/DM 数据集)、广告文案创作任务(AdGen 数据集)等方面均有良好表现。 ### Usage Considerations 当考虑如何实际应用 Vicuna 33B 模型时,需注意以下几个方面: #### 微调方法选择 由于 Vicuna 基础架构来源于 LLaMA ,因此可以利用诸如 LoRA 或 QLoRA 这样的先进技术来进行针对性训练调整 。特别是针对资源受限环境下的部署场景,QLoRA 提供了一种兼顾效率与效果的方法路径。 ```python from peft import get_peft_model, LoraConfig, TaskType def apply_lora(base_model): lora_config = LoraConfig( task_type=TaskType.CAUSAL_LM, inference_mode=False, r=8, lora_alpha=32, lora_dropout=0.1, ) return get_peft_model(base_model, lora_config) # Example of applying LoRA on top of base model (e.g., vicuna_33b) peft_vicuna = apply_lora(vicuna_base_model) ``` 上述代码片段展示了如何将 LoRA 应用于基础模型之上,从而创建一个更轻量级但依然保持高性能的新版本模型实例。 #### 性能评估指标 为了衡量不同条件下 Vicuna 表现的好坏程度,可参照之前提到过的 ROUGE 系列评分标准作为主要依据之一。这些度量可以帮助理解模型生成文本相对于参考答案之间的相似性水平。 --- ###
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