https://vjudge.net/problem/UVA-1630

题意:

给出一个由大写字母组成的长度为n的串,折叠成一个尽量短的串。例如:AAAAAAAAABABABCCD折叠成9(A)3(AB)CCD。

思路:

参考自http://blog.csdn.net/a197p/article/details/48701227。自己实在是没什么思路,也是看了很久才搞明白。

DP[i][j]表示的是 i~j 压缩后的长度。

fold[i][j]存储 i~j 压缩后的状态。

 #include<iostream>
#include<string>
#include<cstring>
#include<algorithm>
using namespace std; const int INF = 0x3f3f3f3f;
string str;
int DP[][];
string fold[][]; int judge(int l, int r)
{
//这里判重用的就是枚举
for (int i = ; i <= (r - l + ) / ; i++)
{
if ((r - l + ) % i) continue;
bool flag = true;
for (int j = l; j + i <= r; j++)
{
if (str[j] != str[j + i])
{
flag = false;
break;
}
}
if (flag) return i;
}
return false;
} int fun(int l, int r)
{
if (DP[l][r] != -) return DP[l][r]; if (l == r)
{
DP[l][r] = ;
fold[l][r] = str[l];
return ;
}
int k;
int re = INF;
//找到一个k,两段折叠后连接达到最短
for (int i = l; i < r; i++)
{
int tmp = fun(l, i) + fun(i + , r);
if (tmp < re) { k = i; re = tmp; }
}
fold[l][r] = fold[l][k] + fold[k + ][r];
int len = judge(l, r);
//对重复串的压缩
if (len)
{
bool test = true;
for (int i = l; i <= r; i++)
{
if (str[i] == '(' || str[i] == ')') test = false; //不要把括号作为压缩对象
}
char t[];
sprintf(t, "%d", (r - l + ) / len);
string newstr = t + string("(") + fold[l][l + len - ] + string(")");
if (test && newstr.size()<re)
{
re = newstr.size();
fold[l][r] = newstr;
}
}
DP[l][r] = re;
return re;
} int main()
{
//freopen("D:\\txt.txt", "r", stdin);
while (cin >> str)
{
int R = str.size() - ;
memset(DP, -, sizeof(DP));
fun(, R);
cout << fold[][R] << endl;
}
return ;
}

UVa 1630 串折叠的更多相关文章

  1. Uva 1630 折叠串

    题目链接:https://uva.onlinejudge.org/external/16/1630.pdf 题意:折叠串,给一个字符串,相同部分可以折叠,折叠可以嵌套.求最短长度的一种折叠方法.括号和 ...

  2. UVA - 1630 Folding(串折叠)(dp---记忆化搜索)

    题意:给出一个由大写字母组成的长度为n(1<=n<=100)的串,“折叠”成一个尽量短的串.折叠可以嵌套.多解时可输出任意解. 分析: 1.dp[l][r]为l~r区间可折叠成的最短串的长 ...

  3. 习题9-4 uva 1630

    题意: 给你一串数字,要求你对其进行折叠使其长度最短. 折叠情况:全是一个字母 & 重复的字符串 AAAAAAAAAABABABCCD    -->   9(A)3(AB)CCD NEE ...

  4. Folding UVA - 1630

    题目 ans[i][j]表示由原串第i个字符到第j个字符组成的子串的最短折叠长度如果从i到j本身可以折叠,长度就是本身长度或折叠后的长度的最小值***此处参考:http://blog.csdn.net ...

  5. UVa 1630 Folding (区间DP)

    题意:折叠一个字符串,使得其成为一个尽量短的字符串  例如AAAAAA变成6(A) 而且这个折叠是可以嵌套的,例如 NEEEEERYESYESYESNEEEEERYESYESYES 会变成 2(N5( ...

  6. UVa 1630 区间DP Folding

    一个字符串如果能简写,要么是重复多次,按题中的要求简写:要么是左右两个部分分别简写后再拼起来. dp(i, j)表示字串(i, j)所能被简写的最短的字符串. 判断一个字符串是否为周期串以及求出它的周 ...

  7. 【Uva 1630】Folding

    [Link]: [Description] 你能对字符串进行压缩的操作; 即把连续出现的相同的子串改成它出现的次数+这个最基本的字符串的形式; 问你这个字符串最短能被压缩得多短; [Solution] ...

  8. P4302 [SCOI2003]字符串折叠

    题目描述 折叠的定义如下: 一个字符串可以看成它自身的折叠.记作S = S X(S)是X(X>1)个S连接在一起的串的折叠.记作X(S) = SSSS…S(X个S). 如果A = A’, B = ...

  9. Vim 神器的打造方式

    Vim 神器的打造方式     [字体:大 中 小]   Vim 是一个上古神器,本篇文章主要持续总结使用 Vim 的过程中不得不了解的一些指令和注意事项,以及持续分享一个前端工作者不得不安装的一些插 ...

随机推荐

  1. ASCII对照表

    ASCII值 控制字符 ASCII值 控制字符 ASCII值 控制字符 ASCII值 控制字符 0 NUT 32 (space) 64 @ 96 . 1 SOH 33 ! 65 A 97 a 2 ST ...

  2. 非受限联合体 - 现代C++新特性总结

    非受限联合体 非受限联合体:C++98中并不是所有数据类型都能够成为union的数据成员,不允许联合体拥有非POD(Plain Old Data).静态或引用类型的成员. C++11中取消了联合体对于 ...

  3. 虚拟机VMware的网络设置出了问题会导致很多莫名的错误

    邪门地CentOS内软件安装失败问题:Xshell与虚拟机的各种连接失败:CentOS下eth0没显示ip地址. 这些原因竟然是一个,虚拟机VMware的网络设置出了问题.     恢复初始设置即可.

  4. Ubuntu搭建solr搜索服务器

    参考:http://blog.csdn.net/makang110/article/details/50971705 一:搭建solr服务器 1:安装jdk1.7,并配置环境变量 2:下载tomcat ...

  5. Spark SQL metaData配置到Mysql

    构造以spark为核心的数据仓库: 0.说明     在大数据领域,hive作为老牌的数据仓库比较流行,spark可以考虑兼容hive.但是如果不想用hive做数据仓库也无妨,大不了我们用spark建 ...

  6. 百度编辑器UEditor源码模式下过滤div/style等html标签

    UEditor在html代码模式下,当输入带有<div style="">.<iframe>这类带有html标签的内容时,切换为编辑器模式后,会发现输入的内 ...

  7. Centos expect spawn、linux expect 用法

    使用expect实现自动登录的脚本,网上有很多,可是都没有一个明白的说明,初学者一般都是照抄.收藏.可是为什么要这么写却不知其然.本文用一个最短的例子说明脚本的原理.  脚本代码如下:  ###### ...

  8. Python爬虫第一个成功版

    爬取http://www.mzitu.com/all里面的图片 import urllib.request import re import os url = 'http://www.mzitu.co ...

  9. 【Win7 x64】+【annaconda3】+ 【python3.5.2】+【tensorflow-gpu】 [最终配置 gtx 940mx + Cuda8.0+cudnn v5.1 + tensorflow-gpu1.0.0 ]

    1.安装cuda Toolkit 和cudnn (百度云可下载,版本需要对应) 2.配置环境变量: 3.安装cudnn(需要拷贝一些dll和lib来进行配置) 4.进入cmd,找到anaconda3的 ...

  10. Bagging Classifier+Regressor

    from sklearn.ensemble import BaggingRegressor Bagging通过引入随机化增大每个估计器之间的差异. 参数介绍: base_estimator:Objec ...