脱水缩合(字符串处理)

脱水缩合

题目描述:
fqk 退役后开始补习文化课啦, 于是他打开了生物必修一开始复习
蛋白质,他回想起了氨基酸通过脱水缩合生成肽键,具体来说,一个
氨基和一个羧基会脱去一个水变成一个肽键。于是他脑洞大开,给你
出了这样一道题:
fqk将给你6种氨基酸和m个脱水缩合的规则,氨基
用’a’,’b’,’c’,’d’,’e’,’f’表示,每个规则将给出两个字符串t,s。其中
|s|=2,|t|=1.表示s代表的两个氨基酸可以通过脱水缩合变成 t 。然后请你构建一个长度为 n ,且仅由’a’,’b’,’c’,’d’,’e’,’f’构成的氨基酸序列,如果这个序列的前两个氨基酸可以进行任意一种脱水缩合, 那么就可以脱水缩合,脱水缩合后序列的长度将-1,这样如果可以进行1~n次脱水缩合,最终序列的长度将变为1我们可以认为这是一个蛋白质,如果最后的蛋白质为’a’,那么初始的序列就被称为一个好的氨基酸序列。fqk想让你求出有多少好的氨基酸序列。
注:题目描述可能与生物学知识有部分偏差(即氨基酸进行脱水
缩合后应该是肽链而不是新的氨基酸),请以题目描述为准。
输入格式:
第一行两个整数q,n。
接下来q行,每行两个字符串s,t表示一个脱水缩合的规则。
输出格式:
一行,一个整数表示有多少好的氨基酸序列。
输入样例:
3 5
ab a
cc c
ca a
ee c
ff d
输出样例:
4
样例解释:
一共有四种好的氨基酸序列,其脱水缩合过程如下:
“abb” “ab” “a”
“cab” “ab” “a”
“cca” “ca” “a”
“eea” “ca” “a”
数据范围:
对于100%的数据,2<=n<=6,q<=36 数据存在梯度。
时空限制:
对于每个测试点,时间限制为2s,空间限制为512MB。

#include<iostream>
#include<cstdio>
#include<cstring>
#include<queue>
#include<cmath>
#include<map>
using namespace std;
map<int,bool>ma;
struct node
{
    int tot;
    int sum;
}e;
queue<node> q;
char s1[2],s2;
int n,m,ans,a[100][100];
int power(int x)
{
    int ans=1;
    for(int i=1;i<=x;i++)
    ans=ans*10;
    return ans;
}
int main()
{
    freopen("merge.in","r",stdin);
    freopen("merge.out","w",stdout);
    e.sum=1,e.tot=1;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=m;i++)
    {
        int x=0;
        cin>>s1>>s2;
        x=s1[0]-96;
        x=x*10+s1[1]-96;
        a[s2-96][++a[s2-96][0]]=x;
    }
    q.push(e);
    while(!q.empty())
    {
        e=q.front();
        q.pop();
        if(e.tot==n&&!ma[e.sum]) ans++,ma[e.sum]=1;
        if(e.tot>n) break;
        int tmp;
        if(e.sum>1) tmp=power(e.tot-1);
        else tmp=1;
        for(int i=1;i<=a[e.sum/tmp][0];i++)
        {
            node t;
            t.sum=a[e.sum/tmp][i]*tmp+e.sum%power(e.tot-1);
            t.tot=e.tot+1;
            q.push(t);
        }
    }
    printf("%d",ans);
    fclose(stdin);fclose(stdout);
    return 0;
}
  • 0
    点赞
  • 0
    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