[刷题]Palindrome Partitioning II

本文详细解析了LintCode上的Palindrome Partitioning II问题,通过四个版本的代码实现展示了从错误到正确的解题过程,并最终实现了时间复杂度为O(n^2)的解决方案。

[LintCode]Palindrome Partitioning II 

这是一道比较复杂的动态规矩题,但不难。复杂是因为它实际上用了两次动态规划,而第二次的目的是降低时间复杂度。不难是因为第一次动态规划其实比较常规。

这道题我做了四次,见下,前两次是错的,第三次是对的,但是只用了一次动态规划,时间复杂度是O(n^3),第四次也是对的,用了两次动态规划,时间复杂度降到了O(n^2)。

Version 1

public class Solution {
    /**
     * @param s a string
     * @return an integer
     */
    public int minCut(String s) {
        // 2015-05-16
        if (s == null || s.length() == 0) {
            return 0;
        }
        int n = s.length();
        int[] minimum = new int[n];
        minimum[0] = 0;
        for (int i = 1; i < n; i++) {
            for (int j = 0; j <= i; j++) {
                if (isPalindrome(s, j, i)) {
                    minimum[i] = (j == 0 ? 0 : minimum[j - 1] + 1);
                    break;
                }
            }
        }
        return minimum[n - 1];
    }
    private boolean isPalindrome(String s, int start, int end) {
        if (s == null || s.length() == 0) {
            return false;
        }
        if (start > end) {
            return false;
        }
        while (start < end) {
            if (s.charAt(start) != s.charAt(end)) {
                return false;
            }
            start++;
            end--;
        }
        return true;
    }
};

Version 2

public class Solution {
    /**
     * @param s a string
     * @return an integer
     */
    public int minCut(String s) {
        // 2015-05-16
        if (s == null || s.length() == 0) {
            return 0;
        }
        int n = s.length();
        int[][] cut = new int[n][n];
        for (int i = 0; i < n; i++) {
            cut[i][i] = 0;
        }
        
        for (int k = 1; k < n; k++) {
            for (int i = 0; i + k < n; i++) {
                int j = i + k;
                if (isPalindrome(s, i, j)) {
                    cut[i][j] = 0;
                } else {
                    cut[i][j] = Math.min(cut[i + 1][j], cut[i][j - 1]) + 1; 
                } // if
            } // for
        } // for
        return cut[0][n - 1];
    }
    private boolean isPalindrome(String s, int start, int end) {
        if (s == null || s.length() == 0) {
            return false;
        }
        if (start > end) {
            return false;
        }
        while (start < end) {
            if (s.charAt(start) != s.charAt(end)) {
                return false;
            }
            start++;
            end--;
        }
        return true;
    } 
};

Version 3

public class Solution {
    /**
     * @param s a string
     * @return an integer
     */
    public int minCut(String s) {
        // 2015-05-16 O(n^3)
        if (s == null || s.length() == 0) {
            return 0;
        }
        int n = s.length();
        int[] cut = new int[n];
        cut[0] = 0;
        for (int i = 1; i < n; i++) {
            cut[i] = Integer.MAX_VALUE;
            for (int j = 0; j <= i; j++) {
                if (isPalindrome(s, j, i)) {                   
                    cut[i] = (j == 0 ? 0 : Math.min(cut[i], cut[j - 1] + 1));
                } // if
            }// for
        }// for
        return cut[n - 1];
    }
    // O(n)
    private boolean isPalindrome(String s, int start, int end) {
        if (s == null || s.length() == 0) {
            return false;
        }
        if (start > end) {
            return false;
        }
        while (start < end) {
            if (s.charAt(start) != s.charAt(end)) {
                return false;
            }
            start++;
            end--;
        }
        return true;
    }
};

Version 4

public class Solution {
    /**
     * @param s a string
     * @return an integer
     */
    public int minCut(String s) {
        // 2015-05-16 O(n^2)
        if (s == null || s.length() == 0) {
            return 0;
        }
        int n = s.length();
        int[] cut = new int[n];
        boolean[][] palindrome = getPalindrome(s);
        cut[0] = 0;
        for (int i = 1; i < n; i++) {
            cut[i] = Integer.MAX_VALUE;
            for (int j = 0; j <= i; j++) {
                if (palindrome[j][i]) {                   
                    cut[i] = (j == 0 ? 0 : Math.min(cut[i], cut[j - 1] + 1));
                } // if
            }// for
        }// for
        return cut[n - 1];
    }
    // O(n)
    private boolean isPalindrome(String s, int start, int end) {
        if (s == null || s.length() == 0) {
            return false;
        }
        if (start > end) {
            return false;
        }
        while (start < end) {
            if (s.charAt(start) != s.charAt(end)) {
                return false;
            }
            start++;
            end--;
        }
        return true;
    }
    // O(n^2) 第二次dp
    private boolean[][] getPalindrome(String s) {
        if (s == null || s.length() == 0) {
            return null;
        }
        int n = s.length();
        boolean[][] ret = new boolean[n][n];
        for (int i = 0; i < n; i++) {
            ret[i][i] = true;
        }
        for (int i = 0; i < n - 1; i++) {
            int j = i + 1;
            ret[i][j] = isPalindrome(s, i, j);
        }
        for (int len = 2; len < n; len++) {
            for (int i = 0; i + len < n; i++) {
                int j = i + len;
                ret[i][j] = (s.charAt(i) == s.charAt(j) && ret[i + 1][j - 1]);
            }
        }
        return ret;
    }
};


【SCI复现】含可再生能源与储能的区域微电网最优运行:应对不确定性的解鲁棒性与非预见性研究(Matlab代码实现)内容概要:本文围绕含可再生能源与储能的区域微电网最优运行展开研究,重点探讨应对不确定性的解鲁棒性与非预见性策略,通过Matlab代码实现SCI论文复现。研究涵盖多阶段鲁棒调度模型、机会约束规划、需求响应机制及储能系统优化配置,结合风电、光伏等可再生能源出力的不确定性建模,提出兼顾系统经济性与鲁棒性的优化运行方案。文中详细展示了模型构建、算法设计(如C&CG算法、大M法)及仿真验证全过程,适用于微电网能量管理、电力系统优化调度等领域的科研与工程实践。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及从事微电网、能源管理相关工作的工程技术人员。; 使用场景及目标:①复现SCI级微电网鲁棒优化研究成果,掌握应对风光负荷不确定性的建模与求解方法;②深入理解两阶段鲁棒优化、分布鲁棒优化、机会约束规划等先进优化方法在能源系统中的实际应用;③为撰写高水平学术论文或开展相关课研究提供代码参考和技术支持。; 阅读建议:建议读者结合文档提供的Matlab代码逐模块学习,重点关注不确定性建模、鲁棒优化模型构建与求解流程,并尝试在不同场景下调试与扩展代码,以深化对微电网优化运行机制的理解。
个人防护装备实例分割数据集 一、基础信息 数据集名称:个人防护装备实例分割数据集 图片数量: 训练集:4,524张图片 分类类别: - Gloves(手套):工作人员佩戴的手部防护装备。 - Helmet(安全帽):头部防护装备。 - No-Gloves(未戴手套):未佩戴手部防护的状态。 - No-Helmet(未戴安全帽):未佩戴头部防护的状态。 - No-Shoes(未穿安全鞋):未佩戴足部防护的状态。 - No-Vest(未穿安全背心):未佩戴身体防护的状态。 - Shoes(安全鞋):足部防护装备。 - Vest(安全背心):身体防护装备。 标注格式:YOLO格式,包含实例分割的多边形坐标和类别标签,适用于实例分割任务。 数据格式:来源于实际场景图像,适用于计算机视觉模型训练。 二、适用场景 工作场所安全监控系统开发:数据集支持实例分割任务,帮助构建能够自动识别工作人员个人防护装备穿戴状态的AI模型,提升工作环境安全性。 建筑与工业安全检查:集成至监控系统,实时检测PPE穿戴情况,预防安全事故,确保合规性。 学术研究与创新:支持计算机视觉在职业安全领域的应用研究,促进AI与安全工程的结合。 培训与教育:可用于安全培训课程,演示PPE识别技术,增强员工安全意识。 三、数据集优势 精准标注与多样性:每个实例均用多边形精确标注,确保分割边界准确;覆盖多种PPE物品及未穿戴状态,增加模型鲁棒性。 场景丰富:数据来源于多样环境,提升模型在不同场景下的泛化能力。 任务适配性强:标注兼容主流深度学习框架(如YOLO),可直接用于实例分割模型开发,支持目标检测和分割任务。 实用价值高:专注于工作场所安全,为自动化的PPE检测提供可靠数据支撑,有助于减少工伤事故。
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