LeetCode:最长回文子串程序

问题描述:给定一个字符串 s,找到 s 中最长的回文子串。

方法一:暴力破解(Python)

列举所有的子串,判断是否为回文串,保存最长的回文串。

class Solution:
    def longestPalindrome(self, s):
    	len_subs = 0
    	sub_huiwen = ""
    	for i in range(0,len(s)):
    		for j in range(i+1,len(s)):
    			sub_s = s[i:j+1]
    			if self.isPalindromic(sub_s) and len_subs<len(sub_s):
    				len_subs = len(sub_s)
    				sub_huiwen = sub_s
    	return sub_huiwen



    def isPalindromic(self,sub_s):
    	for i in range(0,int(len(sub_s)/2)):
    		if sub_s[i] != sub_s[len(sub_s)-i-1]:
    			return False
    	return True

if __name__ == '__main__':
	#s="abcabcbb"
	#s = "abcdcba"
	#s = "babad"
	#s = "cbbd"
	solution1 = Solution()
	lenth_hw = solution1.longestPalindrome(s)
	print(lenth_hw)

方法二:中心扩展算法(Python)

我们知道回文串一定是对称的,所以我们可以每次循环选择一个中心,进行左右扩展,判断左右字符是否相等即可。
在这里插入图片描述由于存在奇数的字符串和偶数的字符串,所以我们需要从一个字符开始扩展,或者从两个字符之间开始扩展,所以总共有 n+n-1 个中心。

class Solution:
    def longestPalindrome(self, s):
    	if s == "" or len(s)<1:
    		return ""
    	start = 0
    	end = 0
    	for i in range(0,len(s)):
    		# 当回文串的元素个数为奇数时它的中心在第i个元素上
    		len1 = self.expandAroundCenter(s, i, i)
    		# 当回文串的元素个数为偶数时它的中心在第i个元素和第i+1个元素之间
    		len2 = self.expandAroundCenter(s, i, i+1)
    		res_len = max(len1, len2)


    		print("start=",start)
    		print("end=",end)
    		print("res_len=",res_len)
    		# 经过计算之后以i(或i和i+1)为中心的回文串的长度大于之前所有的回文串长度
    		# 之前最长的回文串的起始标签为start,终止标签为end
    		# 所以要更新start和end,来记录新的最长回文串
    		if res_len > end - start + 1: # 以start开始,end结束的回文串长度为end-start+1
    			start = int(i-int((res_len-1)/2)) #start在中心往左半回文串长度的位置
    			end = int(i+res_len/2) #end在中心往右半个回文串长度的位置

    	return s[start:end+1]
	
	# 中心扩展核心
    def expandAroundCenter(self,s, left, right):
    	L = left
    	R = right
    	while L >= 0 and R < len(s) and s[L] == s[R]:
    		L -= 1
    		R += 1
    	return R-L-1

if __name__ == '__main__':
	#s = "abcdcba"
	#s = "babad"
	s = "cbbd"
	solution1 = Solution()
	lenth_hw = solution1.longestPalindrome(s)
	print(lenth_hw)
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
在风能领域,准确预测风速对于风电场的运行与管理至关重要。Matlab作为一个强大的数学计算和数据分析平台,被广泛应用于风速预测模型的构建。本文将深入探讨基于四种风速——随机风、基本风、阵风和渐变风的组合风速预测技术。 我们来理解这四种风速类型: 1. **随机风**:随机风是指风速呈现出随机性的变化,通常由大气湍流引起。在建模中,通常通过统计方法如高斯分布或Weibull分布来模拟这种不确定性。 2. **基本风**:基本风速是指在无特定扰动条件下的平均风速,它是期观测结果的平均值,通常用于结构设计和风能评估。 3. **阵风**:阵风是短时间内风速显著增强的现象,对建筑物和风力发电机造成的主要威胁之一。阵风的预测涉及到风的脉动特性分析。 4. **渐变风**:渐变风是指风速随时间和空间逐渐变化的过程,常见于风向转变或地形影响下的风场变化。 在Matlab中,利用这四种风速类型进行组合预测,可以提高预测的准确性。预测模型可能包括以下几个步骤: 1. **数据收集与预处理**:收集历史风速数据,包括随机风、基本风、阵风和渐变风的数据,进行异常值检测、缺失值填充以及数据标准化。 2. **特征工程**:提取风速变化的相关特征,如平均值、标准差、极值、频率分布等,这些特征可能对预测有重要影响。 3. **模型选择**:可以选择多种预测模型,如时间序列分析(ARIMA、状态空间模型等)、机器学习算法(线性归、决策树、支持向量机、神经网络等)或深度学习模型(LSTM、GRU等)。 4. **模型训练**:利用历史数据训练选定的模型,调整模型参数以优化性能,例如通过交叉验证来避免过拟合。 5. **模型验证与评估**:使用独立的测试集验证模型预测效果,常见的评估指标有均方误差(MSE)、平均绝对误差(MAE)和决定系数(R²)。 6. **组合预测**:结合四种风速的不同模型预测结果,可以采用加权平均、集成学习(如bagging、boosting)等方式,以提升整体预测精度。 7. **实时更新与动态调整**:实际应用中,模型需要不断接收新的风速数据并进行在线更新,以适应风场环境的变化。 通过以上步骤,可以构建一个综合考虑各种风速特性的预测系统,这对于风电场的功率输出预测、风电设备的维护计划以及电网调度都具有重要价值。然而,需要注意的是,每个风场的地理环境、气候条件和设备状况都有所不同,因此模型的建立应根据实际情况进行定制和优
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

打赏作者

comli_cn

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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