LeetCode刷题——5.最长回文子串

本文探讨了LeetCode中一道经典题目——寻找字符串中最长的回文子串。通过分析个人尝试的解决方案及其不足,引出了更有效的算法思路。文中详细解释了一种改进方法,该方法能正确处理奇数和偶数长度的回文子串,最终通过C++代码实现了高效的求解过程。

题目来源:https://leetcode-cn.com/problems/longest-palindromic-substring

题目5

给定一个字符串 s,找到 s 中最长的回文子串。你可以假设 s 的最大长度为 1000。

示例 1:

输入: "babad"
输出: "bab"
注意: "aba" 也是一个有效答案。
示例 2:

输入: "cbbd"
输出: "bb"

解法:

一、自己的想法

开始我的想法是,将接收到的字符串转化为字符数组,再设置一个接受回文数的数组,对字符数组的长度依次进行遍历,从一个字符开始向两边辐射,比较两边大小看是否相等,若相等则说明到目前为止为回文数,并将这个回文数放入新建的回文数数组,然后起点减一,终点加一,直到起点或终点超出字符数组的范围,或者两边辐射的字符大小不相等,则跳出本次循环,进行下一个字符的回文数搜索,直到最后,但是我没有得到正确的结果,未能通过。

在这里我忽略了两个问题,第一个:不停的向后循环,然而没有与前一次得到的maxlen进行判断,最后得到的回文数长度不一定是最大的。第二个:我只考虑了一个字符向周围辐射,然而没有考虑两个字符向周围辐射的情况,即回文数可能为奇数,也可能为偶数,例如baccad的最大回文数为acca。

二:网上学习方法

这个方法与我的想法一致,可是我没有能够实现,下面展示c++代码:

class Solution {
public:
    string longestPalindrome(string s) {
        if(s.size()<2)    //若传入的字符串尺寸小于二,即0或1,回文数为其本身。
            return s;
        int n = s.size();
        int start = 0;
        int maxlen = 0;
        for(int i=0;i<n;i++){
            searchPa(s,i,i,start,maxlen);    //求奇数的回文数
            searchPa(s,i,i+1,start,maxlen);    //求偶数的回文数
        }
        return s.substr(start,maxlen);    //返回从起点到长度的子串
    }
    void searchPa(string s,int left,int right,int& start,int& maxlen){
        while(left>=0 && right<s.size() && s[left]==s[right]){    //若左右端点均在字符串范围内,且左端字符等于右端字符,则继续循环使得左端点减一,右端点加一。
            left--;
            right++;
        }
        if(maxlen<right-left+1-2){    //判断得到的回文数字符串长度与之前得到的字符串长度之间谁更大,后面一个长度需要减去二,是因为在上一步左端点和右端点均变化了一
            start = left+1;    //这里使左端点加一,定为子串的起点
            maxlen = right-left+1-2;    //更新maxlen
        }
    }
};

 

【多变量输入超前多步预测】基于CNN-BiLSTM的光伏功率预测研究(Matlab代码实现)内容概要:本文介绍了基于CNN-BiLSTM模型的多变量输入超前多步光伏功率预测方法,并提供了Matlab代码实现。该研究结合卷积神经网络(CNN)强大的特征提取能力与双向长短期记忆网络(BiLSTM)对时间序列前后依赖关系的捕捉能力,构建了一个高效的深度学习预测模型。模型输入包含多个影响光伏发电的气象与环境变量,能够实现对未来多个时间步长的光伏功率进行精确预测,适用于复杂多变的实际应用场景。文中详细阐述了数据预处理、模型结构设计、训练流程及实验验证过程,展示了该方法相较于传统模型在预测精度和稳定性方面的优势。; 适合人群:具备一定机器学习和深度学习基础,熟悉Matlab编程,从事新能源预测、电力系统分析或相关领域研究的研发人员与高校研究生。; 使用场景及目标:①应用于光伏电站功率预测系统,提升电网调度的准确性与稳定性;②为可再生能源并网管理、能量存储规划及电力市场交易提供可靠的数据支持;③作为深度学习在时间序列多步预测中的典型案例,用于科研复现与教学参考。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注数据归一化、CNN特征提取层设计、BiLSTM时序建模及多步预测策略的实现细节,同时可尝试引入更多外部变量或优化网络结构以进一步提升预测性能。
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