possible sentences蘑菇街2019年春招后端岗位的算法编程题解题思路与代码

先来看下题目要求吧:

  • 空间限制:32768K
  • 时间限制:1秒

Given a string s and a dictionary of words dict, add spaces in s to construct a sentence where each word is a valid dictionary word.
Return all such possible sentences.

 

输入描述:

s ="catsanddog"
dict ="cat", "cats", "and", "sand", "dog"

输出描述:

[cats and dog, cat sand dog]

示例1

输入

s ="catsanddog"
dict ="cat","cats","and","sand","dog"

输出

[cats and dog, cat sand dog]

看这个示例相信大家大概能够明白题目意思了,就是给定一个字典dict,在s中找到匹配字典dict中单词的所有可能的句子sentence,然后按照一定的格式去输出这些句子sentence。这里有个特殊的测试用例,那就是

输入:

s ="chinadailybook"

dict ="in","china","book","daily"

输出:

[china daily book]

为什么说这个测试用例有点特殊呢,因为这个测试用例输入的dict中 book在daily前面,而输出结果中是daily在book前面,这样就提示了我们,输出的结果是要按原本s的结构来输出的,毕竟是输出句子sentence嘛,肯定是china daily book 而不是china book daily。

这个问题说明清楚之后,我们就来探讨下题目的解法:

首先我们不谈回溯法,就从人最基本的思路开始,我们可能首先会想到将dict中的单词剥离出来之后去一个一个的匹配,这是我们通常都能想到的,那么这里涉及到什么呢,比如说我们拿到cats这个单词,我们就要考虑应不应该去匹配catsanddog,为什么这样说呢,因为我们可以发现cats使用不使用是不同的结果,所以我们应该对每个字典当中的的单词都进行一次判断,所以这里总共就有2*2*2...*2种可能性,这里有多个少个2根据字典dict中单词的个数决定,谈到这里你可能会觉得这不所有情况都列出来了吗,不是穷举法了吗。我们先保持着这样一个疑问,先来用图表示这个可能性吧:

根据图中的信息,相信大家应该明白不少,显然这是一个回溯法,为什么叫回溯法呢,因为当我们遍历完一个sand的左子树时,应将进入左子树时修改的信息还原,不至于影响右子树的遍历,这还原就是以个回溯的过程,下面就提供我自己AC的代码:



import java.util.*;
import java.util.Scanner;

public class Main {
	private static String s;
	private static String d[];
	private static List<int[]>resultList;
	public static void fun(int i,int[] check,String current) {
		if(current.length()==0) {
			int checkd[]=new int[check.length];
			for(int j=0;j<check.length;j++) {
				checkd[j]=check[j];
			}
			resultList.add(checkd);
			return;
		}
		if(i>=d.length) {
			return;
		}
		//判断是否需要进入左子树
		int sumLength=0;
		//求出剩余子集中字符串的长度
		for(int j=i+1;j<d.length;j++) {
			sumLength+=d[j].length();
		}
		if(current.length()<=sumLength) {
			//可以进入左子树
			int cTemp=check[i];
			check[i]=0;
			fun(i+1,check,current);
			//回溯
			check[i]=cTemp;
		}
		
		//判断是否可以进入右子树
		if(current.indexOf(d[i])!=-1) {
			String cuTemp=current;
			current=current.substring(0,current.indexOf(d[i]))+current.substring(current.indexOf(d[i])+d[i].length());
			int cTemp=check[i];
			check[i]=1;
			fun(i+1,check,current);
			//回溯
			check[i]=cTemp;
			current=cuTemp;
		}
	}

	public static void main(String args[]) {
		Scanner scan=new Scanner(System.in);
		s=scan.nextLine();
		s=s.substring(s.indexOf("\"")+1, s.lastIndexOf("\""));
		String dict=scan.nextLine();
		dict=dict.substring(dict.indexOf("=")+1);
		d=dict.split(",");
		for(int i=0;i<d.length;i++) {
			d[i]=d[i].substring(d[i].indexOf("\"")+1, d[i].lastIndexOf("\""));
		}
		int []check=new int[d.length];
		for(int i=0;i<check.length;i++) {
			check[i]=-1;
		}
		String current=s;
		resultList=new ArrayList<int[]>();
		fun(0,check,current);
		
		System.out.print("[");
		//将对结果集中的结果进行处理
		Iterator iter=resultList.iterator();
		int size=resultList.size();
		int count=0;
		while(iter.hasNext()) {
			
			String sTemp=new String(s);
			int []p=(int [])iter.next();
			for(int i=0;i<p.length;i++) {
				if(p[i]==1) {
					int index=sTemp.indexOf(d[i])+d[i].length();
					if(index!=sTemp.length()) {
						String sTemp1=sTemp.substring(0,index);
						String sTemp2=sTemp.substring(index);
						sTemp=sTemp1+" "+sTemp2;
					}
				}
			}
			System.out.print(sTemp);
			if(count<size-1) {
				System.out.print(", ");
				count++;
			}
		}
		System.out.print("]");	
	}
}

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像识别技术在病虫害检测中的应用是一个快速发展的领域,它结合了计算机视觉和机器学习算法来自动识别和分类植物上的病虫害。以下是这一技术的一些关键步骤和组成部分: 1. **数据收集**:首先需要收集大量的植物图像数据,这些数据包括健康植物的图像以及受不同病虫害影响的植物图像。 2. **图像预处理**:对收集到的图像进行处理,以提高后续分析的准确性。这可能包括调整亮度、对比度、去噪、裁剪、缩放等。 3. **特征提取**:从图像中提取有助于识别病虫害的特征。这些特征可能包括颜色、纹理、形状、边缘等。 4. **模型训练**:使用机器学习算法(如支持向量机、随机森林、卷积神经网络等)来训练模型。训练过程中,算法会学习如何根据提取的特征来识别不同的病虫害。 5. **模型验证和测试**:在独立的测试集上验证模型的性能,以确保其准确性和泛化能力。 6. **部署和应用**:将训练好的模型部署到实际的病虫害检测系统中,可以是移动应用、网页服务或集成到智能农业设备中。 7. **实时监测**:在实际应用中,系统可以实时接收植物图像,并快速给出病虫害的检测结果。 8. **持续学习**:随着时间的推移,系统可以不断学习新的病虫害样本,以提高其识别能力。 9. **用户界面**:为了方便用户使用,通常会有一个用户友好的界面,显示检测结果,并提供进一步的指导或建议。 这项技术的优势在于它可以快速、准确地识别出病虫害,甚至在早期阶段就能发现问题,从而及时采取措施。此外,它还可以减少对化学农药的依赖,支持可持续农业发展。随着技术的不断进步,图像识别在病虫害检测中的应用将越来越广泛。
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