[BZOJ1068][SCOI2007]压缩(区间DP)

由于每次压缩的都是连续的一段,所以可以想到分段DP,又由于压缩可以嵌套,所以考虑区间DP。为了方便,先假设压缩后的字符串前面自带一个M,统计答案时减 1 即可。
先想到最经典的模型:f[l][r]表示字符串的第 l 个字符到第r个字符的最短压缩长度。
1 种转移,就是f[l][r]=minr1i=l(f[l][i]+f[i+1][r])
2 种转移,就是对应的子串长度为偶数,并且可以拆分成两个相等的子串时的转移,设mid=l+r2
这时候转移就是 f[l][r]=min(f[l][r],f[l][mid]+2)
但上面的转移是错的。原因就在于第 2 种转移受到子串[l,mid]的压缩中M的个数和位置的限制。举个例子:一个子串为orzlcxcxorzlcxcx,虽然orzlcxcx的一种压缩为orzlMcxR,但MorzlMcxRR不是orzlcxcxorzlcxcx的一种压缩,因为最后一个R对应的不是第一个M。
所以这里就可以规定一个新的方案:
f[l][r][1] 表示子串 [l,r] ,压缩的第一个字符必须为M,并且不再含有其它任何M;
f[l][r][0] 表示子串 [l,r] ,压缩的第一个字符必须为M,且压缩串中M的个数必须大于 1
边界为f[i][i][1]=2
1 种转移为f[l][r][0]=minr1i=l(min(f[l][i][0],f[l][i][1]),
min(f[i+1][r][0],f[i+1][r][1])) ,但在实现上要注意判边界,具体见代码。
2 种转移:f[l][r][1]=minr1i=l(f[l][i][1]+ri),也就是压缩串中仅含一个M的情况下,后缀 [i+1,r] 有可能不参加循环(后面没有任何一个R)。
3 种转移也就是子串[l,r]可以拆分成两个相等的子串 [l,mid] [mid+1,r] 的情况。此时转移: f[l][r][1]=min(f[l][r][1],f[l][mid][1]+1) ,这样就避免了子串 [l,mid] 的压缩中M个数和位置的影响。
最后答案就是 min(f[1][n][0],f[1][n][1])1 n <script type="math/tex" id="MathJax-Element-31">n</script>为原字符串长度。
代码:

#include <cmath>
#include <cstdio>
#include <cstring>
#include <iostream>
#include <algorithm>
using namespace std;
const int N = 55, INF = 0x3f3f3f3f;
int n, f[N][N][2]; char s[N];
int dfs(int l, int r, int op) {
    if (f[l][r][op] != -1) return f[l][r][op];
    if (l == r) return f[l][r][op] = 2;
    int i, res = INF; if (op) {
        res = r - l + 2; int mid; bool flag = 1;
        if (!(r - l & 1)) flag = 0;
        mid = l + r >> 1; for (i = l; i <= mid; i++)
            if (s[i] != s[mid + i - l + 1]) flag = 0;
        if (flag) res = min(res, dfs(l, mid, 1) + 1);
        for (i = l; i < r; i++) res = min(res, dfs(l, i, 1) + r - i);
    }
    else for (i = l; i < r; i++) {
        res = min(res, dfs(l, i, 0) + dfs(i + 1, r, 0));
        if (i + 1 < r) res = min(res, dfs(l, i, 0) + dfs(i + 1, r, 1));
        if (l < i) res = min(res, dfs(l, i, 1) + dfs(i + 1, r, 0));
        if (l < i && i + 1 < r) res = min(res, dfs(l, i, 1) + dfs(i + 1, r, 1));
    }
    return f[l][r][op] = res;
}
int main() {
    memset(f, -1, sizeof(f));
    scanf("%s", s + 1); n = strlen(s + 1);
    dfs(1, n, 0); dfs(1, n, 1);
    cout << min(f[1][n][0], f[1][n][1]) - 1 << endl;
    return 0;
}
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
SQLAlchemy 是一个 SQL 工具包和对象关系映射(ORM)库,用于 Python 编程语言。它提供了一个高级的 SQL 工具和对象关系映射工具,允许开发者以 Python 类和对象的形式操作数据库,而无需编写大量的 SQL 语句。SQLAlchemy 建立在 DBAPI 之上,支持多种数据库后端,如 SQLite, MySQL, PostgreSQL 等。 SQLAlchemy 的核心功能: 对象关系映射(ORM): SQLAlchemy 允许开发者使用 Python 类来表示数据库表,使用类的实例表示表中的行。 开发者可以定义类之间的关系(如一对多、多对多),SQLAlchemy 会自动处理这些关系在数据库中的映射。 通过 ORM,开发者可以像操作 Python 对象一样操作数据库,这大大简化了数据库操作的复杂性。 表达式语言: SQLAlchemy 提供了一个丰富的 SQL 表达式语言,允许开发者以 Python 表达式的方式编写复杂的 SQL 查询。 表达式语言提供了对 SQL 语句的灵活控制,同时保持了代码的可读性和可维护性。 数据库引擎和连接池: SQLAlchemy 支持多种数据库后端,并且为每种后端提供了对应的数据库引擎。 它还提供了连接池管理功能,以优化数据库连接的创建、使用和释放。 会话管理: SQLAlchemy 使用会话(Session)来管理对象的持久化状态。 会话提供了一个工作单元(unit of work)和身份映射(identity map)的概念,使得对象的状态管理和查询更加高效。 事件系统: SQLAlchemy 提供了一个事件系统,允许开发者在 ORM 的各个生命周期阶段插入自定义的钩子函数。 这使得开发者可以在对象加载、修改、删除等操作时执行额外的逻辑。
GeoPandas是一个开源的Python库,旨在简化地理空间数据的处理和分析。它结合了Pandas和Shapely的能力,为Python用户提供了一个强大而灵活的工具来处理地理空间数据。以下是关于GeoPandas的详细介绍: 一、GeoPandas的基本概念 1. 定义 GeoPandas是建立在Pandas和Shapely之上的一个Python库,用于处理和分析地理空间数据。 它扩展了Pandas的DataFrame和Series数据结构,允许在其中存储和操作地理空间几何图形。 2. 核心数据结构 GeoDataFrame:GeoPandas的核心数据结构,是Pandas DataFrame的扩展。它包含一个或多个列,其中至少一列是几何列(geometry column),用于存储地理空间几何图形(如点、线、多边形等)。 GeoSeries:GeoPandas中的另一个重要数据结构,类似于Pandas的Series,但用于存储几何图形序列。 二、GeoPandas的功能特性 1. 读取和写入多种地理空间数据格式 GeoPandas支持读取和写入多种常见的地理空间数据格式,包括Shapefile、GeoJSON、PostGIS、KML等。这使得用户可以轻松地从各种数据源中加载地理空间数据,并将处理后的数据保存为所需的格式。 2. 地理空间几何图形的创建、编辑和分析 GeoPandas允许用户创建、编辑和分析地理空间几何图形,包括点、线、多边形等。它提供了丰富的空间操作函数,如缓冲区分析、交集、并集、差集等,使得用户可以方便地进行地理空间数据分析。 3. 数据可视化 GeoPandas内置了数据可视化功能,可以绘制地理空间数据的地图。用户可以使用matplotlib等库来进一步定制地图的样式和布局。 4. 空间连接和空间索引 GeoPandas支持空间连接操作,可以将两个GeoDataFrame按照空间关系(如相交、包含等)进行连接。此外,它还支持空间索引,可以提高地理空间数据查询的效率。
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