HDU 2476 String painter(区间dp)

本文介绍了一种算法问题,即如何用最少的操作次数将一个字符串转换为另一个字符串,通过使用区间染色的方法来解决该问题。文章详细阐述了动态规划算法的实现过程,并提供了完整的代码示例。

String painter

Time Limit: 5000/2000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)
Total Submission(s): 2171    Accepted Submission(s): 956


Problem Description
There are two strings A and B with equal length. Both strings are made up of lower case letters. Now you have a powerful string painter. With the help of the painter, you can change a segment of characters of a string to any other character you want. That is, after using the painter, the segment is made up of only one kind of character. Now your task is to change A to B using string painter. What’s the minimum number of operations?
 

Input
Input contains multiple cases. Each case consists of two lines:
The first line contains string A.
The second line contains string B.
The length of both strings will not be greater than 100.
 

Output
A single line contains one integer representing the answer.
 

Sample Input
  
zzzzzfzzzzz abcdefedcba abababababab cdcdcdcdcdcd
 

Sample Output
  
6 7
 

Source
 

Recommend

/*

题意:将第一个字符串转化为第二个字符串最少步数(每一步可以将一个区间变成一种颜色)

思路: 先假设两个串完全不同涂色,也就是dp[i][j]代表b串i~j完全不同涂色的最小步数
      然后ans[i]记录第一个串前i个字符全部涂成b钱i个字符的步数
      那么当来了b 一个字符 如果相等那么ana[i]=min(dp[0][i],ans[i-1])
      然后还可能是前面任意一个涂好的ans[j] 再见过dp[j+1][i]而来


*/


#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
#include<cmath>
#include<queue>
#include<stack>
#include<vector>
#include<set>
#include<map>

#define L(x) (x<<1)
#define R(x) (x<<1|1)
#define MID(x,y) ((x+y)>>1)

#define eps 1e-8
typedef __int64 ll;

using namespace std;

#define N 105

int dp[N][N],s[N];
char a[N],b[N];

int main()
{
	int i,j;
	while(~scanf("%s",a))
	{
		scanf("%s",b);
		memset(dp,0,sizeof(dp));
		int len=strlen(b);

        for(i=0;i<len;i++)
			dp[i][i]=1;

		for(i=len-1;i>=0;i--)
		  for(j=i+1;j<len;j++)
		  {
		  	 dp[i][j]=dp[i+1][j]+1;

		  	 for(int k=i+1;k<=j;k++)
				if(b[i]==b[k])
			 {
			 	dp[i][j]=min(dp[i][j],dp[i+1][k]+dp[k+1][j]);
			 }

		  }

		for(i=0;i<len;i++)
		{
			s[i]=dp[0][i];
			if(a[i]==b[i])
			{
				if(i==0)
				  s[i]=0;
				else
				  s[i]=s[i-1];
			}
			else
			 for(int k=0;k<i;k++)
		          s[i]=min(s[i],s[k]+dp[k+1][i]);
		}
		printf("%d\n",s[len-1]);
	}
	return 0;
}





(Kriging_NSGA2)克里金模型结合多目标遗传算法求最优因变量及对应的最佳自变量组合研究(Matlab代码实现)内容概要:本文介绍了克里金模型(Kriging)与多目标遗传算法NSGA-II相结合的方法,用于求解最优因变量及其对应的最佳自变量组合,并提供了完整的Matlab代码实现。该方法首先利用克里金模型构建高精度的代理模型,逼近复杂的非线性系统响应,减少计算成本;随后结合NSGA-II算法进行多目标优化,搜索帕累托前沿解集,从而获得多个最优折衷方案。文中详细阐述了代理模型构建、算法集成流程及参数设置,适用于工程设计、参数反演等复杂优化问题。此外,文档还展示了该方法在SCI一区论文中的复现应用,体现了其科学性与实用性。; 适合人群:具备一定Matlab编程基础,熟悉优化算法和数值建模的研究生、科研人员及工程技术人员,尤其适合从事仿真优化、实验设计、代理模型研究的相关领域工作者。; 使用场景及目标:①解决高计算成本的多目标优化问题,通过代理模型降低仿真次数;②在无法解析求导或函数高度非线性的情况下寻找最优变量组合;③复现SCI高水平论文中的优化方法,提升科研可信度与效率;④应用于工程设计、能源系统调度、智能制造等需参数优化的实际场景。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现过程,重点关注克里金模型的构建步骤与NSGA-II的集成方式,建议自行调整测试函数或实际案例验证算法性能,并配合YALMIP等工具包扩展优化求解能力。
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