HDU 4662 MU Puzzle

本文介绍了一道字符串转换问题的解题思路,通过定义三种操作实现从字符串“MI”到目标字符串的转换。文章详细解释了算法流程,并提供了一个C++实现示例。

解题报告:有一个字符串“MI”,现在定义三种操作,

1:M后面的字符串整体重复一遍,例如MUI可以转换成:MUIUI

2:三个连续的III可以转化成一个U

3:两个连在一起的UU可以去掉

然后输入一个字符串,问MI能否通过若干步的操作转化成输入的这个字符串,可以的话输出Yes,否则输出No

首先第一步M后面只有一个I,所以只能做第一种操作,变成MII也可以一直做下去,这样M后面的I的个数就是2^n个,然后又可以把任意三个III转化成U,这样U就出现了,然后就可以进行去掉两个连续的U的操作了,我的做法是将输入的字符串先扫一遍,然后统计其中有多少个I和U,然后可以确定的是U和I的顺序可以任意,所以我们就可以把所有的U转化成I来一起统计,这样就可以更加方便统计了,然后如果是纯I的话,可能的个数就是2^n次方,再加上去掉UU的,去掉一个UU相当于去掉六个I,于是我们就可以看完全转化成I的个数能否和可能的I的个数相等就可以判断出来了。

 1 #include<cstdio>
 2 #include<iostream>
 3 #include<cstring>
 4 using namespace std;
 5 const int maxn = 1000005;
 6 int prim[1000],num;
 7 char S[maxn];
 8 void dabiao() {
 9     int c = 1,i;
10     for(i = 0;c<=1000000;++i) {
11         prim[i] = c;
12         c = c<<1;
13     }
14     prim[i] = c;
15     num = i+1;
16 }
17 int main() {
18     int T;
19     dabiao();
20     scanf("%d",&T);
21     while(T--) {
22         scanf("%s",S);
23         if(S[0]!= 'M') {
24             printf("No\n");
25             continue;
26         }
27         int Un = 0,In = 0;
28         int len = strlen(S),f = 1;
29         for(int i = 1;i<len;++i)
30         if(S[i] == 'U')
31         Un++;
32         else if(S[i] == 'I')
33         In++;
34         else if(S[i] != 'I' && S[i] != 'U') {
35             printf("No\n");
36             f = 0;
37             break;
38         }
39         if(!f)
40         continue;
41         In += 3*Un;
42         bool flag = false;
43         for(int i = 0;i<num;++i)
44         if((prim[i]-In)%6==0 && prim[i] >= In) {
45             flag = true;
46             break;
47         }
48         printf(flag? "Yes\n":"No\n");
49     }
50     return 0;
51 }
View Code

 

转载于:https://www.cnblogs.com/xiaxiaosheng/p/3246489.html

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