SCOI2003 字符串折叠

本文探讨了使用区间动态规划解决折叠字符串最短长度的问题,通过枚举中间断点进行状态转移,实现了对字符串能否折叠及折叠后处理的判断。

题目传送门

\(DP\)的实现也要下一下功夫,比如这题,知道转移方程且不会实现


定义f[i][j]为区间\([i,j]\)折叠的最短长度
然后就是区间\(DP\)的套路,枚举中间断点,然后转移

如何判断能否折叠,以及折叠后的处理没有想到
还要多加练习

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#define LL long long
using namespace std;
LL read() {
    LL k = 0, f = 1; char c = getchar();
    while(c < '0' || c > '9') {
        if(c == '-') f = -1;
        c = getchar();
    }
    while(c >= '0' && c <= '9')
      k = k * 10 + c - 48, c = getchar();
    return k * f;
}
int f[110][110]; char s[110];
bool cmp(int x, int k, int y) { //判断能否折叠
    if(((y-x+1) % (k-x+1))) return false;
    int pos = x;
    for(int i = x; i <= y; ++i) {
        if(s[i] != s[pos++]) return false;
        if(pos > k) pos = x;
    }
    return true;
}
int calc(int x) { //折叠后的数字不一定只为个位数,要计算它的位数
    int num = 0;
    while(x) ++num, x /= 10;
    return num;
}
int main() {
    scanf("%s", s+1); int len = strlen(s+1);
    memset(f, 127/3, sizeof(f));
    for(int l = 0; l <= len; ++l)
        for(int i = 1; i <= len-l+1; ++i) {
            int j = i + l - 1; f[i][j] = l;
            for(int k = i; k < j; ++k) {
                if(!cmp(i, k, j)) f[i][j] = min(f[i][j], f[i][k] + f[k+1][j]);
                else f[i][j] = min(f[i][j], f[i][k] + 2 + calc(l/(k-i+1)));
            }
        }
    cout << f[1][len];
    return 0;
}

转载于:https://www.cnblogs.com/wxl-Ezio/p/11028789.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