LeetCode 990.等式方程的可满足性(并查集+路径压缩)

给定一个由表示变量之间关系的字符串方程组成的数组,每个字符串方程 equations[i] 的长度为 4,并采用两种不同的形式之一:“a==b” 或 “a!=b”。在这里,a 和 b 是小写字母(不一定不同),表示单字母变量名。

只有当可以将整数分配给变量名,以便满足所有给定的方程时才返回 true,否则返回 false。

思路很清晰,就是并查集的简单应用,先利用所有相等的式子将所有相等的字母组合为一个集合,再用不等式去判断返回true或者false。

对于不等式两边的字母必须满足不在同一个集合,否则该组表达式为false。

并查集查找根节点的时候同时使用了路径压缩,让所有的子节点直接可以与根节点相连接,大大加快了查找速度。

class Solution {
    int father[] = new int [26];
    public int find(int x)
    {
        if(father[x]==x)
            return x;
        int fx = find(father[x]);
        father[x] = fx;//路径压缩,所有子节点的父节点都是根节点。
        return fx;
    }
    public boolean equationsPossible(String[] equations) {
        
        int len = equations.length;
        for(int i=0;i<26;i++)
            father[i] = i;
        for(int i=0;i<len;i++)
        {
            String str = equations[i];
            if(str.charAt(1)=='=')
            {
                int fx = find(str.charAt(0)-'a');
                int fy = find(str.charAt(3)-'a');
                father[fx] = fy;
            }
        }
        for(int i=0;i<len;i++)
        {
            String str = equations[i];
            if(str.charAt(1)=='!')
            {
                int fx = find(str.charAt(0)-'a');
                int fy = find(str.charAt(3)-'a');
                if(fx==fy)
                    return false;
            }
        }
        return true;
    }
}
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。
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