leetcode205

public class Solution {
    public bool IsIsomorphic(string s, string t) {
        if (s.Length != t.Length)
            {
                return false;
            }
            else
            {
                Dictionary<char, int> dic1 = new Dictionary<char, int>();
                Dictionary<char, int> dic2 = new Dictionary<char, int>();

                int type1 = 0;
                int type2 = 0;

                StringBuilder sb1 = new StringBuilder();
                StringBuilder sb2 = new StringBuilder();

                foreach (var c in s)
                {
                    if (!dic1.ContainsKey(c))
                    {
                        dic1.Add(c, type1);
                        sb1.Append(type1);
                        type1++;
                    }
                    else
                    {
                        sb1.Append(dic1[c]);
                    }

                }

                foreach (var c in t)
                {
                    if (!dic2.ContainsKey(c))
                    {
                        dic2.Add(c, type2);
                        sb2.Append(type2);
                        type2++;
                    }
                    else
                    {
                        sb2.Append(dic2[c]);
                    }
                }

                if (sb1.ToString() != sb2.ToString())
                {
                    return false;
                }
                else
                {
                    return true;
                }
            }
    }
}

https://leetcode.com/problems/isomorphic-strings/#/description

转载于:https://www.cnblogs.com/asenyang/p/6758541.html

内容概要:该论文研究增程式电动汽车(REEV)的能量管理策略,针对现有优化策略实时性差的问题,提出基于工况识别的自适应等效燃油消耗最小策略(A-ECMS)。首先建立整车Simulink模型和基于规则的策略;然后研究动态规划(DP)算法和等效燃油最小策略;接着通过聚类分析将道路工况分为四类,并设计工况识别算法;最后开发基于工况识别的A-ECMS,通过高德地图预判工况类型并自适应调整SOC分配。仿真显示该策略比规则策略节油8%,比简单SOC规划策略节油2%,并通过硬件在环实验验证了实时可行性。 适合人群:具备一定编程基础,特别是对电动汽车能量管理策略有兴趣的研发人员和技术爱好者。 使用场景及目标:①理解增程式电动汽车能量管理策略的基本原理;②掌握动态规划算法和等效燃油消耗最小策略的应用;③学习工况识别算法的设计和实现;④了解基于工况识别的A-ECMS策略的具体实现及其优化效果。 其他说明:此资源不仅提供了详细的MATLAB/Simulink代码实现,还深入分析了各算法的原理和应用场景,适合用于学术研究和工业实践。在学习过程中,建议结合代码调试和实际数据进行实践,以便更好地理解策略的优化效果。此外,论文还探讨了未来的研究方向,如深度学习替代聚类、多目标优化以及V2X集成等,为后续研究提供了思路。
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