【洛谷】 P1019 单词接龙-(预处理+dfs)

题目描述

单词接龙是一个与我们经常玩的成语接龙相类似的游戏,现在我们已知一组单词,且给定一个开头的字母,要求出以这个字母开头的最长的“龙”(每个单词都最多在“龙”中出现两次),在两个单词相连时,其重合部分合为一部分,例如 beastbeast和astonishastonish,如果接成一条龙则变为beastonishbeastonish,另外相邻的两部分不能存在包含关系,例如atat 和 atideatide 间不能相连。

输入输出格式

输入格式:

 

输入的第一行为一个单独的整数nn (n \le 20n≤20)表示单词数,以下nn 行每行有一个单词,输入的最后一行为一个单个字符,表示“龙”开头的字母。你可以假定以此字母开头的“龙”一定存在.

 

输出格式:

 

只需输出以此字母开头的最长的“龙”的长度

 

输入输出样例

输入样例#1: 复制

5
at
touch
cheat
choose
tact
a

输出样例#1: 复制

23

说明

(连成的“龙”为atoucheatactactouchoose)

NOIp2000提高组第三题

思路:这个题目要求出的是最长的接起来的字符串的长度,那就必须要求出每一个他给出的单词的重合数,也就是说我要用到任意两个单词的时候,你要先知道这两个单词是什么情况,

有三类的单词是不能用的:

1.两个单词之间没有重合部分的,既不能链接的

2.用的次数超过两次的,这个题目不是用过一次,注意看题吧。。。。

3.相互包含的,这个可以根据他重合字符的长度来判断。

其实也就是多了一个函数预处理所有的单词,知道单词之间的关系后,深度搜索的想法自然就出了。。

代码:

#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
#include<string>
using namespace std;

int n;
string tr[30];
int yc[30][30];
int vis[30];

int mp(int x,int y) //预处理两个单词之间的重合字符的数目
{
    bool pp=true;
    int ky=0;
    for(int k=tr[x].size()-1; k>=0; k--)
    {
        for(int kx=k; kx<tr[x].size(); kx++)
        {
            if(tr[x][kx]!=tr[y][ky++])
            {
                pp=false;
                break;
            }
        }

        if(pp==true)
        {
            return tr[x].size()-k;
        }
        ky=0;
        pp=true;
    }
    return 0;
}

char ch;
int ans=-1,an=0; //an保存某种或许可行单词连接方式的长度
                        //ans保存总体的最大值。

void dfs(int p)
{
    bool jx=false;
    for(int j=1; j<=n; j++)
    {
        if(vis[j]>=2)
            continue;
        if(yc[p][j]==0)
            continue;

        if(yc[p][j]==tr[p].size()||yc[p][j]==tr[j].size())
            continue;  //三种不可行的状态


        an+=tr[j].size()-yc[p][j];
        vis[j]++;
        jx=true;
        dfs(j);        //注意回溯
        an-=tr[j].size()-yc[p][j];
        vis[j]--;
    }

    if(jx==false)  //连接方式找完判断一下大小;
    {
        ans=max(ans,an);
    }

    return ;
}

int main()
{
    scanf("%d",&n);
    for(int i=1; i<=n; i++)
        cin>>tr[i];
    cin>>ch;

    for(int i=1; i<=n; i++)
        for(int j=1; j<=n; j++)
            yc[i][j]=mp(i,j); //预处理每两个之间的关系 

    for(int i=1; i<=n; i++)
        if(tr[i][0]==ch)
        {
            vis[i]++;
            an=tr[i].size();
            dfs(i);
            vis[i]=0;
        }
    printf("%d\n",ans);
    return 0;
}

 

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。
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