uva_10739 - String to Palindrome (普通DP)

本文探讨了编辑距离的变形应用,特别关注如何通过枚举字符串中的点来优化回文串形成过程,实现最小编辑操作达到目标。具体步骤包括:首先定义字符串分割函数split_str,用于根据中间点划分原始字符串为两个子串;接着实现动态规划函数dynamic_pro,利用回文串性质和编辑距离模板计算最短编辑路径;最后,通过枚举中间点位置,计算不同分割方案下的编辑距离,找出最优解。
这个题目是编辑距离的变形
思路就是枚举每个字符串的点,这个点要么成为回文串的对称点(回文串长度为奇数的时候), 要么不成为对称点(回文串为偶数的时候),然后就是应用编辑距离的模板

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;

#define MAXN    1001
#define INF     0x3f3f3f3f

int  dp[MAXN][MAXN];
char str[MAXN], stra[MAXN], strb[MAXN];

void split_str(const int &mid_idx, const int &mark)
{
        int len(strlen(str)), idx(0), final( (mark)? mid_idx+1 : mid_idx);
        for(int i = 0; i < mid_idx; i ++, idx ++) {
                stra[idx] = str[i];
        }
        stra[idx] = '\0'; idx = 0;
        for(int i = len-1; i >= final; i --, idx ++) {
                strb[idx] = str[i];
        }
        strb[idx] = '\0';
}

int dynamic_pro(void)
{
        int lena(strlen(stra)), lenb(strlen(strb));
        for(int i = 0; i <= lena; i ++) {
                dp[i][0] = i;
        }
        for(int i = 0; i <= lenb; i ++) {
                dp[0][i] = i;
        }
        for(int i = 1; i <= lena; i ++) {
                for(int j = 1; j <= lenb; j ++) {
                        if( stra[i-1] == strb[j-1] ) {
                                dp[i][j] = dp[i-1][j-1]; continue;
                        }
                        dp[i][j] = min(dp[i][j-1]+1, min(dp[i-1][j-1]+1, dp[i-1][j]+1));
                }
        }
        return dp[lena][lenb];
}

int main(int argc, char const *argv[])
{
#ifndef ONLINE_JUDGE
        freopen("test.in", "r", stdin);
#endif
        int n, cas(1), rst, start, final;
        scanf("%d", &n);
        for( ; n; n --) {
                scanf("%s", str); rst = INF;
                start = strlen(str)/2-10; final = (strlen(str)/2+10); //确定这个范围郁闷,其实不确定,uva 都可以过,只不过是使用0.8s
                for(int i = start; i <= final; i ++) {
                        if( i < 0 || i >= strlen(str) ) {
                                continue;
                        }
                        split_str(i, 0); rst = min(rst, dynamic_pro());
                        split_str(i, 1); rst = min(rst, dynamic_pro());
                }
                printf("Case %d: %d\n", cas ++, (INF == rst)? 0 : rst);
        }
        return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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