【每日练习】抖机灵的DP codeforce 5C

惯例,扔题,懒得说

http://codeforces.com/problemset/problem/5/C?csrf_token=4667d873144028a7886b354c7aae3373

贪心算法比较直接,也比较简单,按照题目要求直接写就好,主要就考虑DP

这个题很有意思的一点是利用了括号的匹配性以及该性质与栈的相性,利用栈来记录位置坐标实现DP,这在日后的编程工作中是一个可以拿来尝试的应用。

同时,在提交的过程中发现的那个错误,需要注意数组的长度,确定下表的长度不越界

在具体的DP中,用栈来依次记录序列中的左括号位置,每当出现一个右括号,判断栈是否为空,若不为空,用此时右括号的位置i减去最近的左括号位置再+1即可得到串的长度。

但是由于我们最后需要的是最长的子串,所以我们可以设dp[i]表示到第i个右括号所获串的长度,t表示离i最近的那个左括号的位置

则dp[i]=dp[t-1]+i-t+1。

最后利用判断语句更新dp[i]代表的字串长度。

最后,补几个有遗忘关于栈的知识点:

std::stack::top返回 stack 中顶元素的引用
std::stack::pop删除栈顶元素
std::stack::empty判断栈是否为空,为空则返回true

 

最后是代码,写代码实在是懒得切换输入法,索性以后用英语写注释好了

#include<bits/stdc++.h>
using namespace std;

const int maxn=1000005;
char s[maxn];
int dp[maxn];
stack<int>pos;//using the stack to record the position of left bracket

int main()
{
    while(scanf("%s",s+1)!=EOF)
    {
        int cnt=0,ans=0;//cnt means the count of string;ans means the length of string
        int l=strlen(s+1);
        for(int i=1;i<=l;i++)
        {
            if(s[i]=='(')
            {
                pos.push(i);
            }
            else
            {
                if(!pos.empty())
                {
                    int t=pos.top();
                    pos.pop();
                    dp[i]=dp[t-1]+i-t+1;
                    if(dp[i]>ans)
                    {
                        ans=dp[i];
                        cnt=1;
                    }
                    else if(dp[i]==ans)
                    {
                        cnt++;
                    }
                }
            }
        }
        if(!ans)
        {
            cnt=1;
        }
        printf("%d %d\n",ans,cnt);
    }
    return 0;
}

参考引用

https://zh.cppreference.com/w/cpp/container/stack/

https://blog.csdn.net/u014679804/article/details/44873365

https://blog.csdn.net/qq_38538733/article/details/77091811

  • 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