Longest Valid Parentheses

本文介绍了一种使用栈和动态规划方法解决最长有效括号匹配问题的算法。通过栈存储未匹配的括号索引,结合动态规划逆向求解最长有效匹配子串长度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

Given a string containing just the characters '(' and ')', find the length of the longest valid (well-formed) parentheses substring.

For "(()", the longest valid parentheses substring is "()", which has length = 2.

Another example is ")()())", where the longest valid parentheses substring is "()()", which has length = 4


可以用dp,但是看了用stack做的答案发现这个方法更好。思路类似递增栈那一类题,stack存储上一个没匹配括号的index,遍历每个字符,发现栈顶的元素可以匹配当前括号,即为一对,否则再把当前括号入栈,作为未匹配的上一个index,以此类推。更新的时候如果stack为空,那么从头至尾所有的括号都匹配上,否则有效长度仅限i-stack.peek()。

public class Solution {
    public int longestValidParentheses(String s) {
        Stack<Integer> stk = new Stack<Integer>();
        int res = 0;
        char[] ch = s.toCharArray();
        for(int i=0;i<ch.length;i++){
            if(ch[i] == '(')
                stk.push(i);
            else{
                if(!stk.isEmpty() && ch[stk.peek()] == '('){
                    stk.pop();
                    res = Math.max(stk.isEmpty()?i+1:i-stk.peek() ,res );
                }
                else
                    stk.push(i);
            }
        }
        return res;
    }
}

给定一个包含‘(’和‘)’的字符串,找出最长的有效括号匹配子串的长度。

解法:

这道题可以用一维动态规划逆向求解。假设输入括号表达式为String s,维护一个长度为s.length的一维数组dp[],数组元素初始化为0。 dp[i]表示从s[i]到s[s.length - 1]包含s[i]的最长的有效匹配括号子串长度。则存在如下关系:

  • dp[s.length - 1] = 0;
  • i从n - 2 -> 0逆向求dp[],并记录其最大值。若s[i] == '(',则在s中从i开始到s.length - 1计算dp[i]的值。这个计算分为两步,通过dp[i + 1]进行的(注意dp[i + 1]已经在上一步求解):
    • 在s中寻找从i + 1开始的有效括号匹配子串长度,即dp[i + 1],跳过这段有效的括号子串,查看下一个字符,其下标为j = i + 1 + dp[i + 1]。若j没有越界,并且s[j] == ‘)’,则s[i ... j]为有效括号匹配,dp[i] =dp[i + 1] + 2。
    • 在求得了s[i ... j]的有效匹配长度之后,若j + 1没有越界,则dp[i]的值还要加上从j + 1开始的最长有效匹配,即dp[j + 1]。
public class Solution {
    public int longestValidParentheses(String s) {
        int i,j,n; 
        int N = s.length();
    int[] dp = new int[N];  
    int max=0;  
    n=N;  
    char[] ss = s.toCharArray();
    for(i=0;i<N;i++)  
        dp[i]=0;  
    for(i=n-2;i>=0;i--)  
    {  
        if(ss[i]=='(')  
        {  
            j=i+1+dp[i+1];  
            if(j<n && ss[j]==')')  
            {  
                dp[i]=dp[i+1]+2;  
                if(j+1<n)  
                    dp[i]+=dp[j+1];  
            }  
        }  
        if(max<=dp[i])  
            max=dp[i];  
    }  
    return max;
    }
}


内容概要:该论文探讨了一种基于粒子群优化(PSO)的STAR-RIS辅助NOMA无线通信网络优化方法。STAR-RIS作为一种新型可重构智能表面,能同时反射和传输信号,与传统仅能反射的RIS不同。结合NOMA技术,STAR-RIS可以提升覆盖范围、用户容量和频谱效率。针对STAR-RIS元素众多导致获取完整信道状态信息(CSI)开销大的问题,作者提出一种在不依赖完整CSI的情况下,联合优化功率分配、基站波束成形以及STAR-RIS的传输和反射波束成形向量的方法,以最大化总可实现速率并确保每个用户的最低速率要求。仿真结果显示,该方案优于STAR-RIS辅助的OMA系统。 适合人群:具备一定无线通信理论基础、对智能反射面技术和非正交多址接入技术感兴趣的科研人员和工程师。 使用场景及目标:①适用于希望深入了解STAR-RIS与NOMA结合的研究者;②为解决无线通信中频谱资源紧张、提高系统性能提供新的思路和技术手段;③帮助理解PSO算法在无线通信优化问题中的应用。 其他说明:文中提供了详细的Python代码实现,涵盖系统参数设置、信道建模、速率计算、目标函数定义、约束条件设定、主优化函数设计及结果可视化等环节,便于读者理解和复现实验结果。此外,文章还对比了PSO与其他优化算法(如DDPG)的区别,强调了PSO在不需要显式CSI估计方面的优势。
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