codeforces 596E Wilbur and Strings

题意:一个矩阵上面有0~9的数字,可以从任意一个格子出发,每次根据格子上的数字会前进到另一个格子(或原地不动),现在给出q个数位串,问是否有走法可以取出这个串(走到格子上的时候可以不取)。

思路:发现每个点的出度至多为1,那么可以预处理出走到这个格子后取某个数字最近的格子是哪个(f[i][j][0-9]),然后用队列存下开头,在做一遍贪心就可以了

 

 

#include<cstdio>
#include<cmath>
#include<cstring>
#include<iostream>
#include<algorithm>
int cnt,sz=0,f[201*201][10],c[201][201],id[201][201],vis[201][201],n,m,a[10],b[10],ans[201*201],d[201*201];
int read(){
    char ch=getchar();int f=1,t=0;
    while (ch<'0'||ch>'9') {if (ch=='-') f=-1;ch=getchar();}
    while ('0'<=ch&&ch<='9'){t=t*10+ch-'0';ch=getchar();}
    return t*f;
}
void dfs(int x,int y){
    int dx=x+a[c[x][y]],dy=y+b[c[x][y]];
    if (dx<1||dx>n||dy<1||dy>m) f[id[x][y]][c[x][y]]=id[x][y];
    else{
        f[id[x][y]][c[x][y]]=id[dx][dy];
        if (!vis[dx][dy]) {vis[dx][dy]=1;dfs(dx,dy);}
        for (int i=0;i<=9;i++)
            if (i!=c[x][y])
                f[id[x][y]][i]=f[id[dx][dy]][i];
    }
}
int main(){
    n=read();m=read();int T=read();cnt=0;
    for (int i=1;i<=n;i++){
        char s[2005];
        scanf("%s",s+1);
        for (int j=1;j<=m;j++){
            c[i][j]=s[j]-'0';id[i][j]=++cnt;d[cnt]=c[i][j];
     } }
   char s[1000005];
for (int i=0;i<=9;i++) a[i]=read(),b[i]=read(); for (int i=1;i<=n;i++) for (int j=1;j<=m;j++) if (!vis[i][j]){ vis[i][j]=1; ans[++sz]=id[i][j]; dfs(i,j); }while (T--){ scanf("%s",s+1);bool flag=false; for (int i=1;i<=sz;i++){ int x=ans[i]; for (int j=1;j<=strlen(s+1);j++){ x=f[x][s[j]-'0'];if (x<=0) break; } if (x>0) {flag=true;break;} } if (flag) printf("YES\n");else printf("NO\n"); } }

 

转载于:https://www.cnblogs.com/qzqzgfy/p/5682558.html

变分模态分解(Variational Mode Decomposition, VMD)是一种强大的非线性、无参数信号处理技术,专门用于复杂非平稳信号的分析与分解。它由Eckart Dietz和Herbert Krim于2011年提出,主要针对传统傅立叶变换在处理非平稳信号时的不足。VMD的核心思想是将复杂信号分解为一系列模态函数(即固有模态函数,IMFs),每个IMF具有独特的频率成分和局部特性。这一过程与小波分析或经验模态分解(EMD)类似,但VMD通过变分优化框架显著提升了分解的稳定性和准确性。 在MATLAB环境中实现VMD,可以帮助我们更好地理解和应用这一技术。其核心算法主要包括以下步骤:首先进行初始化,设定模态数并为每个模态分配初始频率估计;接着采用交替最小二乘法,通过交替最小化残差平方和以及模态频率的离散时间傅立叶变换(DTFT)约束,更新每个模态函数和中心频率;最后通过迭代优化,在每次迭代中优化所有IMF的幅度和相位,直至满足停止条件(如达到预设迭代次数或残差平方和小于阈值)。 MATLAB中的VMD实现通常包括以下部分:数据预处理,如对原始信号进行归一化或去除直流偏置,以简化后续处理;定义VMD结构,设置模态数、迭代次数和约束参数等;VMD算法主体,包含初始化、交替最小二乘法和迭代优化过程;以及后处理,对分解结果进行评估和可视化,例如计算每个模态的频谱特性,绘制IMF的时频分布图。如果提供了一个包含VMD算法的压缩包文件,其中的“VMD”可能是MATLAB代码文件或完整的项目文件夹,可能包含主程序、函数库、示例数据和结果可视化脚本。通过运行这些代码,可以直观地看到VMD如何将复杂信号分解为独立模态,并理解每个模态的物理意义。 VMD在多个领域具有广泛的应用,包括信号处理(如声学、振动、生物医学信号分析)、图像处理(如图像去噪、特征提取)、金融时间序列分析(识
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