Leetcode Palindrome Partitioning II

Palindrome Partitioning II

  Total Accepted: 3903  Total Submissions: 23095 My Submissions

Given a string s, partition s such that every substring of the partition is a palindrome.

Return the minimum cuts needed for a palindrome partitioning of s.

For example, given s = "aab",
Return 1 since the palindrome partitioning ["aa","b"] could be produced using 1 cut.


好困难的一道题目,我评价的难度指数为五星级。(在不看提示,不参考别人程序的前提下思考)

因为我研究了很长时间,没看提示的情况下,观察了各种可能的判断,始终没有找到可行的快捷方法,判断时间效率必定为O(n*n),没有找到什么规律可以提高效率。最后上网搜索也没看到有可行方法。

整个题目解决,如果是可以O(n*n*n)时间复杂度是稍微简单点的,不然对动态规划法的运用就要求比较高了。

下面程序分两个函数,两步解决问题:

函数1 先产生一个回文表,记录了所有子串是回文的表。

函数2 判断最小分隔步数

	int minCut(string s) 
	{
		if (s.empty()) return 0;

		vector<int> A(s.length());
		vector<vector<bool> > table = genPalindromeTable(s);
		if (table[0][s.length()-1]) return 0;

		for (int i = 1; i < s.length(); i++)
		{
			if (table[0][i])
			{
				A[i] = 0;
				continue;
			}

			A[i] = A[i-1]+1;
			for (int j = 1; j < i; j++)
			{
				if (table[j][i])
				{
					A[i] = min(A[i], A[j-1]+1);
					//if (A[j] == A[j-1]+1) break;//加不加这句都好像不影响效率
				}
				//if (A[i] == 1) break;//加不加这句都好像不影响效率
				//genPalindromeTable才是效率瓶颈
			}
		}
		return A[s.length()-1];
	}
	vector<vector<bool> > genPalindromeTable(string &s)
	{
		vector<vector<bool> > table(s.length(), vector<bool>(s.length(), true));

		for (int i = 1; i < s.length(); i++)
		{
			if (s[i] != s[i-1]) table[i-1][i] = false;
		}
		
		for (int d = 2; d < s.length(); d++)
		{
			for (int i = 0, j = d; j < s.length(); i++, j++)
			{
				if (table[i+1][j-1] && s[i] == s[j]);
				else table[i][j] = false;
			}
		}
		return table;
	}

下面参照leetcode上的程序,小小改了下,让其可以在vc上运行。

虽然这个程序和我上面的程序思想是一样的,还有时间效率也是一样的,我的分开两个函数也许清晰点。

leetcode上总有人能这么简洁的程序,十分佩服。

int minCut(string str){
		int leng = str.size();

		vector<int> dp(leng+1);
		vector<vector<bool> > palin(leng, vector<bool>(leng));

		for(int i = 0; i <= leng; i++)
			dp[i] = leng-i;
		for(int i = leng-1; i >= 0; i--){
			for(int j = i; j < leng; j++){
				if(str[i] == str[j] && (j-i<2 || palin[i+1][j-1])){
					palin[i][j] = true;
					dp[i] = min(dp[i],dp[j+1]+1);
				}
			}
		}
		return dp[0]-1;
	}
同样的思路和同样的语言,写得这么简洁,太精彩了。

这需要对本题题目和动态规划法理解的十分透切才能写出来吧。
把我是上面的程序中的两个函数都合并起来了,填写回文表和判断都一步写成,武学中一气呵成啊。呵呵


我还写了个纯粹一个动态规划法的程序,思路是像分块矩阵相乘(matrix chain)这样的题目,不过时间效率是O(n*n*n),所以leetcode上超时。

geeksforgeeks网站上的一个解法就是这样的。

//正确程序但是超时
	int minCut(string s) 
	{
		vector<vector<int> > table(s.length(), vector<int>(s.length()));

		for (int d = 2; d <= s.length(); d++)
		{
			for (int row = 0; row <= s.length()-d; row++)
			{
				int col = row + d - 1;
				if (table[row+1][col-1] == 0 && s[row] == s[col]) continue;

				table[row][col] = INT_MAX;
				for (int i = row; i < col; i++)
				{
					table[row][col] = min(table[row][col],
						table[row][i] + table[i+1][col] + 1);
					if (table[row][col] == 1) break;
				}
			}
		}
		return table[0][s.length()-1];
	}


//2014-2-18 update
	int minCut(string s) 
	{
		vector<vector<bool> > palin_tbl(s.size(), vector<bool>(s.size(), true));
		genTable(palin_tbl, s);
		vector<int> rs_tbl(s.size()+1, INT_MAX);
		rs_tbl[0] = -1;

		for (int i = 0; i < s.length(); i++)
		{
			for (int j = i; j >= 0 ; j--)
			{
				if (palin_tbl[j][i]) rs_tbl[i+1] = min(rs_tbl[i+1], rs_tbl[j]+1);
			}
		}
		return rs_tbl.back()==-1? 0:rs_tbl.back();
	}
	void genTable(vector<vector<bool> > &t, string &s)
	{
		for (int d = 2; d <= s.length(); d++)
		{
			for (int i = 0, j = d-1; j < s.length(); i++, j++)
			{
				t[i][j] = (t[i+1][j-1] && s[i] == s[j]);
			}
		}
	}




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题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 、1资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 、2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、资 5源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。、 5资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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