动态规划学习——回文串

目录

一,回文子串

1.题目

2.题目接口

3,解题代码及其思路

解题代码:

二, 分割回文串II

1,题目

2,题目接口

3,解题思路及其代码


 

一,回文子串

1.题目

给你一个字符串 s ,请你统计并返回这个字符串中 回文子串 的数目。

回文字符串 是正着读和倒过来读一样的字符串。

子字符串 是字符串中的由连续字符组成的一个序列。

具有不同开始位置或结束位置的子串,即使是由相同的字符组成,也会被视作不同的子串。

示例 1:

输入:s = "abc"
输出:3
解释:三个回文子串: "a", "b", "c"

示例 2:

输入:s = "aaa"
输出:6
解释:6个回文子串: "a", "a", "a", "aa", "aa", "aaa"

提示:

  • 1 <= s.length <= 1000
  • s 由小写英文字母组成

2.题目接口

class Solution {
public:int countSubstrings(string s) {}
};

3,解题代码及其思路

 在动态规划问题时一般可以分为五个步骤:

1.状态表示

   回文串问题我们一般以某一个区间为研究对象,所以我们可以使用bool dp[i][j]来表示i~j这段区间是否为回文串。

2.状态转移方程的推导

  确定了状态转移方程以后,我们便可以来讨论状态转移方程。在推导状态转移方程时可以分为两种情况来推导:

1.s[i]==s[j],在这种情况下又可以分为三种情况来推导:

2.s[i]!=s[j]。在这种情况下dp[i][j]这段区间内的字符串肯定不是回文串。所以dp[i][j] = false。

3.填表顺序

因为在我们的状态转移方程内有dp[i][j] == dp[i+1][j-1]的情况,所以填表顺序为从下往上,从左往右。

4.初始化

在初始化的时候,要考虑的一个情况便是我的初始化要保证填表时不越界。dp[i][j] == do[i+1][j-1],在这种情况下因为  0<=i<=j<n。所以越界的情况在于i==n-1的时候,dp[i+1][j-1]会越界。但是我们要考虑这种情况吗?我们其实并不需要,因为j>=i,当i==j时会直接处理:dp[i][j] =true,并且只在这种情况下会越界。

5.返回值

在完成上面的工作以后,只需要完成对dp[i][j]中true情况的个数统计并返回。

解题代码:

class Solution {
public:int countSubstrings(string s) {int n = s.size();//求字符串长度vector<vector<bool>>dp(n,vector<bool>(n));//建立n*n大小的dp表for(int i = n-1;i>=0;i--)//从下往上遍历{for(int j = i;j<n;j++)//从左到右遍历并且要保证j>=i{if(s[i] == s[j])//相等情况讨论{if(i == j) dp[i][j] = true;else if(j == i+1)  dp[i][j] = true;else dp[i][j] = dp[i+1][j-1];}//s[i]!=s[j]时dp[i][j]绝对是false}}//统计回文子串个数int count = 0;for(int i = 0;i<n;i++){for(int j = i;j<n;j++){if(dp[i][j]) count++;}}return count;}
};

二, 分割回文串II

1,题目

给你一个字符串 s,请你将 s 分割成一些子串,使每个子串都是回文。

返回符合要求的 最少分割次数 。

示例 1:

输入:s = "aab"
输出:1
解释:只需一次分割就可将 s 分割成 ["aa","b"] 这样两个回文子串。

示例 2:

输入:s = "a"
输出:0

示例 3:

输入:s = "ab"
输出:1

提示:

  • 1 <= s.length <= 2000
  • s 仅由小写英文字母组成

2,题目接口

class Solution {
public:int minCut(string s) {}
};

3,解题思路及其代码

还是一样,按照之前的五个步骤:

1,状态方程:这次的状态转移方程表示的是分割回文串的最小次数。所以我们可以用一个线性的dp表来表示,用dp[i]表示0~i位置的最小切割次数。

2,状态转移方程:在确定好状态转移方程以后,我们就得来推导一下状态转移方程了。还是得分情况讨论:

在第一种情况下,因为0~i这个区间的字符可以构成回文串了所以dp[i] = 0。

在第二种情况下,需要在1~i这个区间内寻找一个能让dp[j][i]构成回文串的并且让切割次数最

最小:

在进行这一步以前还得分情况讨论:

状态转移方程代码如下:

  for(int i = 0;i<n;i++){if(dp[0][i]){dp2[i] = 0;}else{for(int j =1;j<=i;j++){if(dp[j][i]) {dp2[i] = min(dp2[i],dp2[j-1]+1);}}      }}

3.初始化

因为我们要求的是最小值,所以我们在初始化时可以把状态表内的值初始化为一个特别大的值,这样便可以保证在我们填表时不会干扰到我们的在正确答案。

4,返回值

因为dp表代表的是到第i个位置的最小切割次数,所以我们的返回值就是dp[n-1]。

5,优化

因为在填表总是需要判断是否能构成回文串,所以我们可以采用判断回文子串的代码来对我们的代码做优化处理。

详细代码如下:

class Solution {
public:int minCut(string s) {int n = s.size();//求字符串长度vector<vector<bool>>dp(n,vector<bool>(n));//建立n*n大小的dp表for(int i = n-1;i>=0;i--)//从下往上遍历{for(int j = i;j<n;j++)//从左到右遍历并且要保证j>=i{if(s[i] == s[j])//相等情况讨论{if(i == j) dp[i][j] = true;else if(j == i+1)  dp[i][j] = true;else dp[i][j] = dp[i+1][j-1];}//s[i]!=s[j]时dp[i][j]绝对是false}}vector<int>dp2(n,0x7777777);//统计到第i个位置时的最小分割次数for(int i = 0;i<n;i++){if(dp[0][i]){dp2[i] = 0;}else{for(int j =1;j<=i;j++){if(dp[j][i]) {dp2[i] = min(dp2[i],dp2[j-1]+1);}}      }}return dp2[n-1];}
};

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/192398.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

模板初阶(2):函数模板的匹配原则,类模板的实例化

一、函数模板的匹配原则 int Add(const int& x, const int& y) {return x y; }template <class T> T Add(const T& x, const T& y) {return x y; }int main() {int a1 1, a2 2;Add(a1, a2);double d1 1.1, d2 2.2;Add(d1, d2);return 0; }一个非模…

【搭建网站】搭建一个自己的网站

【搭建网站】搭建一个自己的网站 传送门&#xff1a;搭建一个自己的网站&#xff1f;看这个就够了&#xff01; P1&#xff0c;建站准备 P2&#xff0c;创建站点

ZooKeeper 如何保证数据一致性?

在分布式场景中&#xff0c;ZooKeeper 的应用非常广泛&#xff0c;比如数据发布和订阅、命名服务、配置中心、注册中心、分布式锁等。 ZooKeeper 提供了一个类似于 Linux 文件系统的数据模型&#xff0c;和基于 Watcher 机制的分布式事件通知&#xff0c;这些特性都依赖 ZooKee…

【开源】基于JAVA语言的桃花峪滑雪场租赁系统

项目编号&#xff1a; S 036 &#xff0c;文末获取源码。 \color{red}{项目编号&#xff1a;S036&#xff0c;文末获取源码。} 项目编号&#xff1a;S036&#xff0c;文末获取源码。 目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 游客服务2.2 雪场管理 三、数据库设…

Redis数据存储:高效、灵活、实时

目录 引言 1. Redis概述 1.1 什么是Redis&#xff1f; 1.2 Redis的数据结构 1.3 Redis的持久化机制 2. Redis的使用场景 2.1 缓存 2.2 会话存储 2.3 发布/订阅系统 2.4 计数器和排行榜 3. Redis最佳实践 3.1 数据模型设计 3.2 键的命名规范 3.3 事务和原子操作 3…

国产AI边缘计算盒子,双核心A55丨2.5Tops算力

边缘计算盒子 双核心A55丨2.5Tops算力 ● 2.5TopsINT8算力&#xff0c;支持INT8/INT4/FP16多精度混合量化。 ● 4路以上1080p30fps视频编解码&#xff0c;IVE模块独立提供图像基础算子加速。 ● 支持Caffe、ONNX/PyTorch深度学习框架&#xff0c;提供resnet50、yolov5等AI算…

西南科技大学模拟电子技术实验四(集成运算放大器的线性应用)预习报告

一、计算/设计过程 说明:本实验是验证性实验,计算预测验证结果。是设计性实验一定要从系统指标计算出元件参数过程,越详细越好。用公式输入法完成相关公式内容,不得贴手写图片。(注意:从抽象公式直接得出结果,不得分,页数可根据内容调整) 反相比例运算电路(1)实验…

QT 中 QDateTime::currentDateTime() 输出格式备查

基础 QDateTime::currentDateTime() //当前的日期和时间。 QDateTime::toString() //以特定的格式输出时间&#xff0c;格式 yyyy: 年份&#xff08;4位数&#xff09; MM: 月份&#xff08;两位数&#xff0c;07表示七月&#xff09; dd: 日期&#xff08;两位数&#xff0c…

合成相机模型【图形学】

相机在计算机图形学中有两个方面的考虑&#xff1a;相机的位置和相机的形状。 要了解后者&#xff0c;我们需要了解相机的工作原理。 NSDT工具推荐&#xff1a; Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - R…

如何在Rocky Linux中安装nmon

一、环境基础 [rootlocalhost nmon16d]# cat /etc/redhat-release Rocky Linux release 9.2 (Blue Onyx) [rootlocalhost nmon16d]# uname -r 5.14.0-284.11.1.el9_2.x86_64 [rootlocalhost nmon16d]# 二、安装步骤 在Rocky Linux和AlmaLinux等基于RHEL 的发行版上&#xff…

前后端数据传输格式(上)

作者简介&#xff1a;大家好&#xff0c;我是smart哥&#xff0c;前中兴通讯、美团架构师&#xff0c;现某互联网公司CTO 联系qq&#xff1a;184480602&#xff0c;加我进群&#xff0c;大家一起学习&#xff0c;一起进步&#xff0c;一起对抗互联网寒冬 作为后端&#xff0c;写…

C#,数值计算——插值和外推,三次样条插值(Spline_interp)的计算方法与源程序

1 文本格式 using System; namespace Legalsoft.Truffer { /// <summary> /// 三次样条插值 /// Cubic Spline Interpolation /// Cubic spline interpolation object. Construct with x and y vectors, and /// (optionally) values of the first…

算法学习系列(三):汉诺塔

目录&#xff1a; 引言一、问题描述二、问题求解三、测试四、附录&#xff08;所有代码&#xff09; 引言 这个汉诺塔问题就是一个典型的递归问题&#xff0c;这篇博客也算是上一篇的一个扩展吧&#xff0c;都是递归问题&#xff0c;这个问题太大&#xff0c;而且牵扯到的问题…

深度学习——第03章 Python程序设计语言(3.1 Python语言基础)

无论是在机器学习还是深度学习中&#xff0c;Python已经成为主导性的编程语言。而且&#xff0c;现在许多主流的深度学习框架&#xff0c;例如PyTorch、TensorFlow也都是基于Python。本课程主要是围绕“理论实战”同时进行&#xff0c;所以本章将重点介绍深度学习中Python的必备…

Python遥感开发之快速判断TIF数据为空

Python遥感开发之快速判断TIF数据为空 前言&#xff1a;介绍一下如何使用python下的gdal读取tif数据的时候&#xff0c;快速判断该tif数据是否为空&#xff0c;如果为空的话就把当前的tif删掉。 如图所示&#xff0c;通过arcgis查看箭头指向的为空值。 仅通过文件的大小无法判…

人工智能中的模型评估

1 概述 1.1 定义 人工智能&#xff08;AI&#xff09;模型评估是一个关键的过程&#xff0c;用于确定模型在特定任务上的性能和有效性。这个过程涉及使用各种技术和指标来衡量模型的准确度、可靠性、泛化能力以及其他重要特性。在不同的应用场景中&#xff0c;模型评估的具体…

Qt Creator 11.0.3同时使用Qt6.5和Qt5.14.2

Qt Creator 11.0.3同时使用Qt6.5和Qt5.14.2 概要方法1.打开Qt Creator中的Kit&#xff0c;这里我直接附上几张截图&#xff0c;不同的版本打开位置可能有所不同&#xff0c;总之最终目的是要打开构建套件&#xff08;Kit&#xff09;2.可以看到构建套件里面有包含了“构建套件K…

深度学习记录--计算图(前向后向传播)

什么是计算图&#xff1f; 从一个例子入手&#xff1a; 将函数J的计算用流程图表示出来&#xff0c;这样的流程图被称为计算图 简单来说&#xff0c;计算图是用来显示每个变量间的关系的一种图 两种传播方式 计算图有两种传播方式&#xff1a;前向传播 和 后向传播 什么是前…

使用dirmap命令行时报错,提示缺少gevent模块

记得以前是可以的&#xff0c;可能是时间长了重装了系统&#xff0c;引起的。 修复方法。升级pip&#xff0c;然后重新下载安装gevent模块。 具体&#xff1a; python -m pip install --upgrade pip 使用下面命令解决下载慢的问题。 pip config set global.index-url http…

【WPF.NET开发】WPF.NET桌面应用开发概述

本文内容 为何从 .NET Framework 升级使用 WPF 进行编程标记和代码隐藏输入和命令控件布局数据绑定图形和动画文本和版式自定义 WPF 应用 Windows Presentation Foundation (WPF) 是一个与分辨率无关的 UI 框架&#xff0c;使用基于矢量的呈现引擎&#xff0c;构建用于利用现…