rqnoj-275-FOLDING-记忆化搜索

本文介绍了一种使用记忆化搜索解决字符串压缩问题的方法。通过动态规划思想避免重复计算,达到优化递归算法的目的。文章提供了完整的C++实现代码,包括自定义函数用于数字转字符串及模式匹配验证。

记忆化搜索很简单,就是用的时候老是想不到~~无奈的感觉~~~

dp[l][r] :l到r这一段中的最小表示方法。

#include<stdio.h>
#include<iostream>
#include<string.h>
#include<algorithm>
#include<queue>
#include<stack>
#include<map>
#include<string>
#include<stdlib.h>
#define INT_MAX 0x7fffffff
#define maxn 101
#define max3(a,b,c) (max(a,b)>c?max(a,b):c)
#define min3(a,b,c) (min(a,b)<c?min(a,b):c)
#define mem(a,b) memset(a,b,sizeof(a))
using namespace std;
string str;
string dp[maxn][maxn];
string s,ss;
string ns(int x)
{
    ss="";
    if(x>=100)ss.push_back(x/100+'0');
    if(x>=10)ss.push_back((x/10)%10+'0');
    if(x>0)ss.push_back(x%10+'0');
    return ss;
}
int pan(int l,int r,int x)
{
    for(int i=l+x;i<=r;i++)
    {
        if(str[i]!=str[i-x])return 0;
    }
    return 1;
}
string dfs(int l,int r)
{
    int t;
    int i;
    if(dp[l][r]!="")return dp[l][r];
    if(l==r)
    {
        dp[l][r].push_back(str[l]);
        return dp[l][r];
    }
    s="";
    for(i=l;i<=r;i++)
    {
        dp[l][r].push_back(str[i]);
    }
    int len=dp[l][r].size();
    int fn;
    for(i=1;i<=len/2;i++)
    {
        if((r-l+1)%i)continue;
        if(!pan(l,r,i))continue;
        t=(r-l+1)/i;
        fn=1;
        if(t>9)fn=2;
        if(t>99)fn=3;
        s=dfs(l,l+i-1);
        if(s.size()+2+fn<dp[l][r].size())
        {
            dp[l][r]=ns(t)+"("+s+")";
        }
    }
    for(i=l;i<r;i++)
    {
        if(dfs(l,i).size()+dfs(i+1,r).size()<dp[l][r].size())
        {
            dp[l][r]=dp[l][i]+dp[i+1][r];
        }
    }
    return dp[l][r];
}
int main()
{
    while(cin>>str)
    {
        for(int i=0;i<101;i++)
        {
            for(int j=0;j<101;j++)dp[i][j]="";
        }
        cout<<dfs(0,str.size()-1)<<endl;
    }
    return 0;
}


根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
评论
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