CSU1620: A Cure for the Common Code(KMP+区间DP)

本文介绍了一种使用KMP算法求解字符串循环节,并结合区间动态规划方法寻找字符串简化后的最短长度的问题解决思路及代码实现。

Description

Input

Output

Sample Input

abcbcbcbca
abbbcdcdcdabbbcdcdcd
0

Sample Output

Case 1: 7
Case 2: 11

HINT

Source


题意:把字符串简化,问简化得到的最短长度是多少

思路:要简化首先要求循环节,这里用kmp解决,而要求所有简化中最短的的话,用区间dp可以求得


<pre name="code" class="cpp">#include <iostream>
#include <stdio.h>
#include <string.h>
#include <stack>
#include <queue>
#include <map>
#include <set>
#include <vector>
#include <math.h>
#include <bitset>
#include <algorithm>
#include <climits>
using namespace std;

#define LS 2*i
#define RS 2*i+1
#define UP(i,x,y) for(i=x;i<=y;i++)
#define DOWN(i,x,y) for(i=x;i>=y;i--)
#define MEM(a,x) memset(a,x,sizeof(a))
#define W(a) while(a)
#define LL long long
#define N 505
#define MOD 19999997
#define INF 0x3f3f3f3f
#define EXP 1e-8

int dp[N][N],next1[N],cas = 1;
char s[N];

int kmp(char *s,int len)//kmp求循环节的长度
{
    next1[0] = next1[1] = 0;
    int i;
    UP(i,1,len-1)
    {
        int j = next1[i];
        W((j&&s[i]!=s[j]))
        {
            j = next1[j];
        }
        if(s[i]==s[j])
            next1[i+1]=j+1;
        else
            next1[i+1]=0;
    }
    return len-next1[len];
}

int getbit(int x)
{
    int cnt = 0;
    W(x)
    {
        x/=10;
        cnt++;
    }
    return cnt;
}

void DP()
{
    int n = strlen(s+1);
    int len,l,r,k,i;
    UP(i,1,n)
    dp[i][i]=1;
    UP(len,2,n)//区间dp求解最优值
    {
        for(l = 1; l+len-1<=n; l++)
        {
            r = l+len-1;
            dp[l][r]=dp[l][l]+dp[l+1][r];
            UP(k,l+1,r-1)
            {
                dp[l][r]=min(dp[l][r],dp[l][k]+dp[k+1][r]);
            }
            int t = kmp(s+l,len);
            if(len%t==0)//现在枚举的串是一个周期循环
            {
                int tem = dp[l][l+t-1];
                if(t>1) tem+=2;//因为不是一个字符的话要加括号
                tem+=getbit(len/t);//周期数
                dp[l][r]=min(tem,dp[l][r]);
            }
        }
    }
    printf("Case %d: %d\n",cas++,dp[1][n]);
}

int main()
{
    W(~scanf("%s",s+1))
    {
        if(s[1]=='0')
            break;
        DP();
    }

    return 0;
}



内容概要:本文系统阐述了Python在数据分析与可视化领域的技术实践,涵盖数据分析基础、数据探索方法、可视化技术原理、高级可视化应用及实战案例五大方面。文章首先介绍NumPy和Pandas在数据处理与描述性统计中的核心作用,继而讲解相关性分析、分布分析和分组对比等探索性分析方法。随后深入剖析Matplotlib、Seaborn和Plotly三大可视化库的技术特点与应用场景,涵盖静态图表、统计图形到交互式可视化。最后通过交通数据的实战案例,演示从数据预处理、探索分析到多维度可视化呈现的完整流程。; 适合人群:具备Python基础、对数据处理与可视化感兴趣的初中级开发者,以及从事数据分析、运营分析、数据科学研究等相关工作的人员;尤其适合工作1-3年、希望提升数据实战能力的研发人员。; 使用场景及目标:①掌握Pandas进行数据清洗、分组聚合与描述性统计的方法;②熟练运用Matplotlib、Seaborn和Plotly实现多样化数据可视化;③通过真实案例理解探索性数据分析流程并构建交互式仪表盘;④应用于业务报表开发、数据洞察挖掘和决策支持系统建设。; 阅读建议:建议结合代码实践同步学习,重点理解不同可视化工具的适用边界,并在实战中尝试迁移应用文中案例逻辑,强化对数据分布识别、多维分析和交互设计的理解。
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