问题 A: 斜线最大最小值
题目描述
求如图所示一个上三角矩阵中每一条斜线中的最大元素(L)和最小元素(S)。
输入
每组输入包括两部分,一部分为数字n,表示三角矩阵的行数。
第二部分即为三角矩阵。
输出
每一个对角线输出一行,每行包括Lx=Max, Sx=Min,其中x为斜线序号(序号从1开始),Max为该斜线上的最大值,Min为该斜线上的最小值。
样例输入 Copy
6 1 3 5 7 11 20 0 6 8 2 3 13 0 0 7 4 8 9 0 0 0 18 3 10 0 0 0 0 12 6 0 0 0 0 0 15
样例输出 Copy
L1=18, S1=1 L2=8, S2=3 L3=10, S3=2 L4=9, S4=3 L5=13, S5=11 L6=20, S6=20
# Python版本
# 初始化变量
the_max = None
the_min = None
def read_matrix():
n = int(input())
matrix = [[0 for _ in range(n)] for _ in range(n)]
for i in range(n):
row = list(map(int,input().split()))
matrix[i] = row
return matrix, n
def find_max_min_diagonals(matrix, n):
for r in range(1, n + 1):
# 初始化最大和最小值为当前对角线的第一个元素
the_max = matrix[0][r - 1]
the_min = matrix[0][r - 1]
# 遍历对角线
for i in range(1, n - r + 1):
j = i + r - 1
# 更新最大值和最小值
the_max = max(the_max, matrix[i][j])
the_min = min(the_min, matrix[i][j])
# 打印结果
print("L{}={}, S{}={}".format(r, the_max, r, the_min))
# 主程序
while True:
try:
matrix, n = read_matrix()
find_max_min_diagonals(matrix, n)
except EOFError:
break
问题 B: 矩阵连乘问题-备忘录法求最优值
题目描述
使用备忘录法求解矩阵连乘问题,输出最少乘法次数。
输入
每组数据包括两行,第一行为数组长度n,第二行为存储矩阵维数的一维数组。
输出
矩阵连乘最优计算次数。
样例输入 Copy
7 30 35 15 5 10 20 25
样例输出 Copy
15125
def matrix_chain_order(p):
n = len(p) - 1 # 矩阵数量
m = [[0] * n for _ in range(n)] # 初始化备忘录数组
for chain_length in range(2, n + 1): # 链的长度从2开始递增
for i in range(0, n - chain_length + 1):
j = i + chain_length - 1
m[i][j] = float('inf') # 初始化为无穷大
for k in range(i, j):
q = m[i][k] + m[k + 1][j] + p[i] * p[k + 1] * p[j + 1]
if q < m[i][j]:
m[i][j] = q
return m[0][n - 1] # 返回最优解
while 1:
n = int(input())
p = list(map(int, input().split()))
# 输出最少乘法次数
print(matrix_chain_order(p))
问题 C: 矩阵连乘问题-动态规划求最优值
题目描述
使用动态规划算法求解矩阵连乘问题,输出最少乘法次数。
输入
每组数据包括两行,第一行为数组长度n,第二行为存储矩阵维数的一维数组。
输出
矩阵连乘最优计算次数。
样例输入 Copy
7 30 35 15 5 10 20 25
样例输出 Copy
15125
def matrix_chain_order(p):
n = len(p) - 1 # 矩阵数量
m = [[0] * n for _ in range(n)] # 最少乘法次数数组
s = [[0] * n for _ in range(n)] # 存储分割点数组(可选,用于重构最优解)
# 初始化对角线上的值为0,因为单个矩阵不需要乘法操作
for i in range(n):
m[i][i] = 0
# 动态规划填充 m 和 s 数组
for chain_length in range(2, n + 1): # 链的长度从2开始递增
for i in range(0, n - chain_length + 1):
j = i + chain_length - 1
m[i][j] = float('inf') # 初始化为无穷大
for k in range(i, j):
q = m[i][k] + m[k + 1][j] + p[i] * p[k + 1] * p[j + 1]
if q < m[i][j]:
m[i][j] = q
s[i][j] = k # 记录最优分割点
# 返回最少乘法次数
return m[0][n - 1]
while 1:
n = int(input())
p = list(map(int, input().split()))
# 输出最少乘法次数
print(matrix_chain_order(p))
问题 D: 矩阵连乘问题-构造最优解
题目描述
使用动态规划算法求解矩阵连乘问题。
输入
每组数据包括两行,第一行为数组长度n,第二行为存储矩阵维数的一维数组。
输出
矩阵连乘最优计算次序。
样例输入 Copy
7 30 35 15 5 10 20 25
样例输出 Copy
A[2:2] * A[3:3] A[1:1] * A[2:3] A[4:4] * A[5:5] A[4:5] * A[6:6] A[1:3] * A[4:6]
def f(sz, i, j):
if i == j:
return
f(sz, i, sz[i][j])
f(sz, sz[i][j] + 1, j)
res.append('A[' + str(i) + ':' + str(sz[i][j]) + ']' + ' * ' + 'A[' + str(sz[i][j] + 1) + ':' + str(j) + ']')
while True:
n = int(input())
res = []
arr = list(map(int, input().split()))
dp = [[0] * n for _ in range(n + 1)]
sz = [[0] * n for _ in range(n + 1)]
for r in range(2, n + 1):
for i in range(1, n + 1 - r):
j = i + r - 1
dp[i][j] = dp[i + 1][j] + arr[i - 1] * arr[i] * arr[j]
sz[i][j] = i
for k in range(i + 1, j):
t = dp[i][k] + dp[k + 1][j] + arr[i - 1] * arr[k] * arr[j]
if t < dp[i][j]:
dp[i][j] = t
sz[i][j] = k
f(sz, 1, n - 1)
for i in range(len(res)):
print(res[i])
问题 E: 石子合并问题
题目描述
在一条直线上有n堆石子,每堆有一定的数量,每次可以将两堆相邻的石子合并,合并后放在两堆的中间位置,合并的费用为两堆石子的总数。求把所有石子合并成一堆的最小花费。例如:输入{1,2,3,4,5},输出33。【3+6+9+15=33】
输入
本题应该处理到文件尾,每组输入包括两行,第一行为石子堆的个数n,第二行则为每堆石子的个数。
输出
输出最小花费。
样例输入 Copy
5 1 2 3 4 5
样例输出 Copy
33
import math
def min_cost_partition(n, arr):
dp = [[0] * (n + 1) for _ in range(n + 1)]
exp = [[0] * (n + 1) for _ in range(n + 1)]
for i in range(1, n + 1):
exp[i][i] = arr[i - 1]
for i in range(1, n):
for j in range(i + 1, n + 1):
exp[i][j] = exp[i][j - 1] + arr[j - 1]
for r in range(2, n + 1):
for i in range(1, n + 2 - r):
j = i + r - 1
dp[i][j] = math.inf
for k in range(i, j):
dp[i][j] = min(dp[i][j], dp[i][k] + dp[k + 1][j])
dp[i][j] += exp[i][j]
return dp[1][-1]
while 1:
n = int(input())
arr = list(map(int, input().split()))
print(min_cost_partition(n, arr))
问题 F: X星人的基因
题目描述
X星人的基因由A、B、C、D、E五种不同的结构组合而成。
如果两个性别不同的X星人的基因序列相似度大于50%,按照X星的法律他们是禁止结婚的,等于50%据说还是可以的。
那么基因的相似度怎么计算呢?分别从两个人身上取长度均为N的基因片段,如果它们的最长公共子序列为M,则相似度=M/N。是不是很简单呢?
现在给你两段X星人的基因序列片段,请你判断他们是不是可以结婚?
输入
每一组测试数据包含3行,
第1行数字N表示待比较基因序列片段的长度,N<=10^3。
第2行和第3行为两个长度为N的基因序列片段。
输入0表示结束。
输出
两个X星人是否可以结婚,如果可以输出”Yes“,如果不可以输出”No“。
样例输入 Copy
8 A B C D E A B C A C C D C B A E 6 A B C D E E A E D C B B 0
样例输出 Copy
Yes Yes
while True:
n = int(input())
if n == 0:
break
s1 = ''.join(list(map(str, input().split())))
s2 = ''.join(list(map(str, input().split())))
m = len(s1)
n = len(s2)
# 初始化动态规划数组
dp = [[0] * (n + 1) for _ in range(m + 1)]
# 填充动态规划数组
for i in range(1, m + 1):
for j in range(1, n + 1):
if s1[i - 1] == s2[j - 1]:
dp[i][j] = dp[i - 1][j - 1] + 1
else:
dp[i][j] = max(dp[i - 1][j], dp[i][j - 1])
# 获取最长公共子序列的长度
res = dp[m][n]
# 判断最长公共子序列长度是否超过字符串长度的一半
if res > m * (1 / 2): # 注意这里应该使用 m 而不是 n,因为我们需要比较的是 s1 长度的一半
print('No')
else:
print('Yes')