[hihocoder]1334 : Word Construction

通过构建图模型解决单词间字母冲突问题,采用高效的数据结构降低复杂度。

题目链接:https://hihocoder.com/problemset/problem/1334?sid=1369471

思路:

(1)把单词想象成一个个节点,两个节点若有共同的字母则这两个节点间有一条边,所有节点构成一个图。每个节点有一个度记录该节点与多少个节点相连接,则问题转化为去除最少的节点,使得图中所有节点的度为0;

(2)为了方便统计与节点有共同字母的其他节点,使用unordered_map<char,vector<int>> 的table记录含有字母c的所有字符串的id;

(3)每次寻找度最大的节点,将其度标记为-1,同时将与该节点相连的所有节点度减1;

(4)统计度为0的节点个数。

时间复杂度不会超过O(n^2)

代码如下:

#include <iostream>
#include <string>
#include <unordered_map>
#include <vector>
#include <unordered_set>
using namespace std;
int main() {
    int n;
    cin>>n;
    vector<unordered_set<int>> g(n);
    vector<string> vs;
    unordered_map<char,vector<int>> table;
    vector<int> degree(n,0);
    string s;
    for(int i=0;i<n;++i){
        cin>>s;
        for(auto ch:s)
            table[ch].push_back(i);
        vs.push_back(s);
    }
    int maxd=0,idx=-1;
    for(int i=0;i<n;++i){
        for(auto ch:vs[i])
            g[i].insert(table[ch].begin(),table[ch].end());
        g[i].erase(i);
        degree[i]=g[i].size();
        if(degree[i]>maxd){
            maxd=degree[i];
            idx=i;
        }
    }
    while(idx!=-1){
        degree[idx]=-1;
        for(auto i:g[idx])
            degree[i]--;
        idx=-1,maxd=0;
        for(int i=0;i<n;++i){
            if(degree[i]>maxd){
                maxd=degree[i];
                idx=i;
            }
        }
    }
    int count=0;
    for(int i=0;i<n;++i){
        if(degree[i]==0)
            count++;
    }
    cout<<count<<endl;
    return 0;
}

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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