2011年大连赛区E题 Number String DP

题目大意:

对于每一个1~n的排列都可以生成一个长度为n-1的字符串,这个字符串包含三种字符,分别是'I'、'D'、'?'。'I'表示下一位的数比当前位的数要大,'D'表示下一位的数比当前位的数要小,'?'表示'I'或者'D'都可以。比如排列3,1,2,7,4,6,5对应的字符串是"DIIDID"。给出一个字符串,求满足该字符串的排列数有多少。

算法实现:

对于某个字符的某一个解,比如对于字符串"DIIDID"的一个解3,1,2,7,4,6,5,我们可以很容易地构造出"DIIDI"的解(去掉最后一个字符)。显然,如果我们把原排列的最后一个数字去掉,剩余的数字是满足这个字符串的。例如3,1,2,7,4,6满足"DIIDI"。但是去掉原排列的最后一个数之后,剩余的数字可能不是一个排列,我们可以把它们变成一个排列,只需保持元素之间的相对大小不变即可。例如3,1,2,7,4,6不是一个排列,我们可以把它们变成:3,1,2,6,4,5,这是一个排列,同时满足"DIIDI"根据这个想法,我们可以用长度较小的排列构造出长度较大的排列。

举个简单的例子,排列1,3,2是"ID"的一个解,那么我们就可以构造出4个排列:{1,3,2,4}、{2,4,3,1}、{1,4,3,2}、{1,4,2,3},它们对应的字符串分别是"IDI"、"IDD"、"IDD"、"IDI",这些字符串都包含"ID"。如果构造出来的新排列的最后一个数字比原排列的最后一个数字要大的话,那么新加入的字符就是'I',否则就是'D'。

cnt[i]表示满足当前的字符串的排列中,以i作为最后一个数字的排列数有cnt[i]个。现在加入一个新字符,相应地,排列也应该加入一个新的数字。对于原有的每一个排列,都能构造出i+1个新排列,并且这i+1个新排列的最后一个数字是从1到i+1的。如果加入的字符是'?',那么所有构造出来的新排列都能够满足新的字符串。如果加入的字符是'I',构造出来的新排列中只有最后一个数比旧排列的最后一个数大的新排列才能够满足新的字符串。如果加入的字符是'D'也是同理。据此,可以写出转移方程。朴素地转移方程时间复杂度是O(n^2),总时间花费是O(n^3),会超时,因此可以利用前缀和、后缀和把转移的时间花费降至O(n)。

参考代码:

#include <iostream>
#include <cstdio>
#include <cstring>
#define MOD 1000000007
#define LL long long
using namespace std;

int main()
{
    char str[1010];
    LL cnt[1010],pre[1010],suff[1010];
    while(~scanf("%s",str+1))
    {
        int len=strlen(str+1);
        cnt[1]=1;
        for(int i=1;i<=len;i++)
        {
            if(str[i]=='?')
            {
                int sum=0;
                for(int j=1;j<=i;j++)
                    sum=(sum+cnt[j])%MOD;
                for(int j=1;j<=i+1;j++)
                    cnt[j]=sum;
            }
            else if(str[i]=='I')
            {
                pre[0]=0;
                for(int j=1;j<=i;j++)
                    pre[j]=(pre[j-1]+cnt[j])%MOD;
                for(int j=1;j<=i+1;j++)
                    cnt[j]=pre[j-1];
            }
            else
            {
                suff[i+1]=0;
                for(int j=i;j>=1;j--)
                    suff[j]=(suff[j+1]+cnt[j])%MOD;
                for(int j=1;j<=i+1;j++)
                    cnt[j]=suff[j];
            }
        }
        LL sum=0;
        for(int i=1;i<=len+1;i++)
            sum=(sum+cnt[i])%MOD;
        printf("%lld\n",sum);
    }
    return 0;
}
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问
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