DAG优化

DAG 任务调度实现以及优化 DAG Task 任务调度算法 实现 github:https://github.com/smartxing/algorithm 1 有向图的构建 DAG dag = new DAG(); dag.addVertex("A"); dag.addVertex("B")... 阅读详情

Problem Description

大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。

Input

输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数

之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * /

例如:A=B+C

Output

 通过构造DAG图,进行代码优化,只需要保留AB,删除无用变量,删除变量时,尽量保留最早出现的变量。

PS:保证AB的值不同

Sample Input

3
A=B+C
B=B+B
A=C+C

Sample Output

B=B+B
A=C+C

code:

#include <bits/stdc++.h>

using namespace std;

int n, cnt;
struct Node
{
    char id;
    int left = -1, right = -1;
    vector<char> var;
}node[200];

bool find_var(int i,char c)
{
    for(char j:node[i].var)if(j == c)return 1;
    return 0;
}

int add_node(char c)
{
    for(int i = cnt-1;i>=0;--i)
    {
        if(node[i].id == c||find_var(i,c))
        {
            return i;
        }
    }
    node[cnt].id = c;
    return cnt++;
}

void add_operator(char c,char op,int l,int r)
{
    for(int i = cnt-1;i>=0;--i)
    {
        if(node[i].left == l&&node[i].right == r&&node[i].id == op)
        {
            node[i].var.push_back(c);
            return ;
        }
    }
    node[cnt].id = op;
    node[cnt].var.push_back(c);
    node[cnt].left = l;
    node[cnt].right = r;
    cnt++;
}

char s[10];
char ans[110][10];
bool flag[110];
void dfs(int x)
{
    if(node[x].left != -1)
    {
        flag[x] = 1;
        dfs(node[x].left);
        dfs(node[x].right);
    }
}

int main()
{
    cnt = 0;
    scanf("%d",&n);
    for(int i = 0;i<n;++i)
    {
        scanf("%s",s);
        int l = add_node(s[2]);
        int r = add_node(s[4]);
        add_operator(s[0],s[3],l,r);
    }
    for(int i = 0;i < cnt;++i)
    {
        if(node[i].left!=-1)
        {
            ans[i][0] = node[i].var[0];
            ans[i][1] = '=';
            Node ll = node[node[i].left],rr = node[node[i].right];
            ans[i][2] = ll.var.size() > 0 ? ll.var[0] : ll.id;
            ans[i][3] = node[i].id;
            ans[i][4] = rr.var.size() > 0 ? rr.var[0] : rr.id;
            ans[i][5] = 0;
        }
    }
    for(int i = cnt-1; i >= 0; --i)
    {
        if(ans[i][0] == 'A')
        {
            dfs(i);
            break;
        }
    }
    for(int i = cnt-1; i >= 0; --i)
    {
        if(ans[i][0] == 'B')
        {
            dfs(i);
            break;
        }
    }
    for(int i = 0; i < cnt; ++i)
    {
        if(flag[i])
        {
            puts(ans[i]);
        }
    }
    return 0;
}

 

n - dag优化_编译原理学习笔记(七):优化代码 优化代码一、优化概述1.1 基本概念「优化」对程序进行各种等价变换,使得从变换后的程序出发,能生成更有效的目标代码。等价:不改变程序的运行结果有效:目标代码运行时间短,占用存储空间小「遵循的原则」等价原则:优化不应改变程序运行的结果有效原则:使优化后所产生的目标代码运行时间较短,占用的存储空间较小合算原则:应尽可能以较低的代码取得较好的优化效果「优化的级别」局部优化、循环优化、全局优化1.2 优化... 阅读详情

相关推荐

Spark DAG优化的解读

一,Spark专业术语的解析 1,Application基于Spark的用户程序,包含了driver程序和集群上的executor 2,Driver Program运行main函数并且新建SparkContext的程序 3,Cluster Manager在集群上获取资源的外部服务(例如standalone,Mesos,Yarn) 4,Worker Node是集群中任何可以运行用代码的节点 5...

IT影风的博客 2400

DAG优化 SDUT 【编译原理】 C++

目录 Description 代码: 分析: Description 大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。 Input 输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * / 例如:A=B+C Output 通过构造DAG图,进行代码优化,只需要保留AB,删除无用变量,删除变量时,尽量保留最早出现的变量。PS:保证AB的值不同。 sam...

zhangzhaolin12的博客 6411

编译原理DAG的优化

编译原理的课设,DAG的优化,内有源代码

DAG代码优化

本文章转载于https://blog.youkuaiyun.com/roger_ranger/article/details/78830679,感谢博主的文章!!! DAG构建的流程如下 对基本块的每一四元式,依次执行:   1. 如果NODE(B)无定义,则构造一标记为B的叶结点并定义NODE(B)为这个结点;   如果当前四元式是0型,则记NODE(B)的值为n,转4。   如果当前四元式是1型...

小旺仔的博客 3563

Delphi开发者必备:CEF4Delphi跨平台浏览器嵌入实战指南(含Lazarus适配)

本文详细介绍了Delphi开发者如何利用CEF4Delphi实现跨平台浏览器嵌入,包括环境配置、Lazarus适配、ARM架构优化及Firemonkey集成等实战技巧。通过Chromium引擎的强大功能,开发者可以轻松为传统桌面应用添加现代浏览器特性,提升多平台开发效率。

weixin_29233333的博客 226

宝塔部署若依前端出现502解决方法

若依系统是一个基于Java语言的开源项目,旨在帮助开发者减少开发时间,特别适用于需要快速开发出一套具有用户管理、菜单管理、权限管理、定时任务、日志管理等功能的简单系统。系统分为前后端分离、分布式等架构前后端分离部署教程然而通过宝塔来部署若依系统会遇见一些问题,特此在这里记录一下。

m0_74823683的博客 776

DAG图优化

Problem Description 大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。 Input 输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数 之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * / 例如:A=B+C Output 通过构造DAG图,进行代码优化,只需要保留AB,删除无用变量,删除变量时,尽量保留最早出现的变...

DuChunfeng的博客 1002

.ipynb文件深度解析:从JSON结构到Jupyter Notebook高效使用指南

在Python开发与数据处理领域,交互式编程正成为探索数据与验证思路的高效方式。Jupyter Notebook作为最流行的交互式环境之一,其默认文件格式.ipynb本质是一个基于JSON的文本文件,内部通过单元格组织代码、说明文字与运行结果。理解其JSON结构,不仅有助于掌握Notebook的存储原理,更能为文件损坏修复、版本控制与自动化转换提供基础。依托对单元格类型、魔法命令及输出可视化的熟练运用,数据分析和数据可视化流程可以变得更为流畅。同时,借助VS Code、nbconvert等工具,开发者能将.

weixin_28839629的博客 349

DAG优化-详解

DAG优化 Time Limit: 1000 ms Memory Limit: 65536 KiB Problem Description 大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。 Input 输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数 之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * / 例如:A=B+C Outp...

rwlvjj的博客 3151

OpenStack 8 节点生产级高可用(HA)集群实施文档

本文详细介绍了生产级高可用OpenStack集群的架构设计与实施方案。通过采用3节点控制集群(HAProxy+Keepalived)、2节点计算资源池和3节点Ceph分布式存储,实现了控制平面、计算资源和存储系统三个层面的高可用。方案重点阐述了VIP漂移、MariaDB Galera集群、RabbitMQ镜像队列等关键组件的配置方法,并提供了完整的部署流程和故障验证方案。该架构确保任意单节点故障不会影响平台整体可用性,满足生产环境对稳定性、扩展性和可维护性的要求,为构建无单点故障的OpenStack生产环境

彭大帅的博客 781

2023华为od机试C卷【最富裕的小家庭】Python 实现

在一颗树中,每个节点代表一个家庭成员,节点的数字表示其个人的财富值,一个节点及其直接相连的子节点被定义为个小家庭。现给你一颗树,请计算出最富裕的小家庭的财富和。

MISAYAONE的博客 2043

N - DAG优化SDUT

N - DAG优化 Description 大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。 Input 输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数 之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * / 例如:A=B+C Output 通过构造DAG图,进行代码优化,只需要保留AB,删除无用变量,删除变量时,尽量保留最早出现的变量。 PS:保证AB的值不同 Sample Input 3 A=B+C B=B..

°渐行渐远っ的博客 4773

YOLO + Qwen3-VL-Seg 深度诊断:双引擎协同完成AI质检

本文提出了一种创新的工业质检双引擎架构,结合YOLO实时检测与Qwen3-VL-Seg精细化诊断,有效解决了传统检测方法中检测与诊断割裂的问题。YOLO部署在边缘端实现高效定位(3.2MB模型,<10ms延迟),Qwen3-VL-Seg在云端完成语义级缺陷分析(仅17M参数的解码器实现像素级分割)。该方案通过6步闭环流程,从实时感知到工艺反哺,显著提升了工业质检的准确性和可解释性,为智能制造提供了从"发现"到"解决"的完整技术路径。

mingo_敏 221

N - DAG优化

N - DAG优化 Description 大家都学过了代码优化,其中有一个DAG优化,这次我们就练习这个操作。 Input 输入第一行为一个整数n(n < 100),表示该组输入的表达式的个数 之后n行为表达式,每个变量为一个字母,表达式仅包括二元运算 + - * / 例如:A=B+C Output 通过构造DAG图,进行代码优化,只需要保留AB,删除无用变量,删除变量时,尽量保留最早出现的变量。 PS:保证AB的值不同 Sample Input 3 A=B+C B=B+B A=C+C Output

weixin_44040169的博客 1169

openCv +3.4.0 车牌定位(C++版本)

#include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> #include <opencv2/imgproc.hpp> #include "opencv2/shape.hpp" using namespace ...

Bamboo265925的博客 2337

大数据运营可视化:Tableau+PowerBI数据看板搭建教程

当企业数据量从“GB级”跃升到“TB级”,运营人员面临的最大挑战不再是“如何收集数据”,而是“如何让数据说话”。数据看板作为“运营指挥中心的仪表盘”,能将零散的用户行为、业务指标、流量趋势浓缩成可快速解读的视觉语言。本文结合Tableau(自由探索的“数据瑞士军刀”)与PowerBI(微软生态的“组合家具”)两大工具,从需求分析→数据准备→指标设计→视图搭建→ dashboard 组合,一步步教你搭建符合业务逻辑的运营看板。

AI智能探索者的博客 1363
上一篇: LL(1)文法系列(一)first集和follow集
下一篇: LL(1)文法系列(三)预测分析程序
shadowam
博客等级 码龄10年 62粉丝 168原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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