判断回文愚蠢版

本文介绍了一个C++算法实现,用于优化字符串比较操作,通过比较字符串的左右部分来减少不必要的字符比较次数。包括从左到右和从右到左两种情况下的优化策略,旨在提高程序效率。
class Solution {
public:
    int minCut(string s) {
        // Start typing your C/C++ solution below
        // DO NOT write int main() function
        int a = froml(s);
        int b = fromr(s);
        return a>b?b:a;
    }
    
    int froml(string s){
        int length = s.length();
        
        if (1 == length) return 0;
        
        char * pc = new char[length+1];
        strcpy(pc,s.c_str());
        
        int len = length-1;
        char* pbc = pc;
        char* pec = pc+len;
        int count = 0;
        bool flag = false;
        
        while(1){
            int l = (pec - pbc)/2;
            int i = 0;
            for (;i<=l ;i++){
                if(*(pbc+i) != *(pec-i)){
                    flag = false;
                    break;
                }
                flag = true;
            }
            if(!flag){
               pec--;
            }else{
                if(pec != pc + len){
                    count++;
                    pbc = pec + 1;
                    pec = pc + len;
                }else{
                    break;
                }
            }
        }
        
        return count;
    }
    int fromr(string s){
        int length = s.length();
        
        if (1 == length) return 0;
        
        char * pc = new char[length+1];
        strcpy(pc,s.c_str());
        
        int len = length-1;
        
        //reverse
        int j = 0;
        for (;j<=len/2;j++){
            char temp = pc[j];
            pc[j] = pc[len-j];
            pc[len-j] = temp;
        }
        
        char* pbc = pc;
        char* pec = pc+len;
        int count = 0;
        bool flag = false;
        
        while(1){
            int l = (pec - pbc)/2;
            int i = 0;
            for (;i<=l ;i++){
                if(*(pbc+i) != *(pec-i)){
                    flag = false;
                    break;
                }
                flag = true;
            }
            if(!flag){
               pec--;
            }else{
                if(pec != pc + len){
                    count++;
                    pbc = pec + 1;
                    pec = pc + len;
                }else{
                    break;
                }
            }
        }
        
        return count;
    }
    
};
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 4
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