P1019-单词接龙
2023-02-18 16:42:44 时间
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 beast和astonish,如果接成一条龙则变为beastonish,另外相邻的两部分不能存在包含关系,例如at 和 atide间不能相连。
输入格式
输入的第一行为一个单独的整数nn (n ≤ 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 #1 5 at touch cheat choose tact a 输出 #1 23 说明/提示 (连成的“龙”为atoucheatactactouchoose)
NOIp2000提高组第三题
解法思路
这道题很适合用dfs来解决,dfs中,只记录龙的末尾单词,然后依次用每个单词来比较是否可以接在这个单词后面,可以就接上然后调用dfs继续接下一个单词,都不可以就把当前龙的长度和max比较,让max始终保留最长长度。 因为每个单词最多使用两次,所以需要一个数组来记录每个单词使用次数,每次接一个单词前,先判断这个单词使用次数,不然可能会出现为所欲为之为所欲为这种情况。
源码
#include<iostream>
#include<cstdio>
#include<vector>
#include<string>
using namespace std;
int mymax; //存储龙的最长长度
int seen[25]; //记录每个单词使用次数
//dfs三个参数分别表示单词库、上一个使用的单词的索引、当前龙的长度
void dfs(const vector<string> &words,int last,int tenMax){
int add; //龙的增加长度
for(int i = 0;i < words.size();i++){
if(seen[i]==2)continue; //使用过两次就跳过这个单词
//比较上一个单词与这个单词有没有重复部分,注意因为龙取最长值,所以循环从后往前
int idx;
for(idx = words[last].length()-1;idx>=1;idx--){
if(words[i].length()<words[last].length()-idx)continue;
if(words[last].substr(idx)==words[i].substr(0,words[last].length()-idx)){
add = words[i].length()-(words[last].length()-idx);
break;
}
}
if(idx==0)continue; //没有重复部分就跳过
seen[i]++;
dfs(words,i,tenMax+add);
seen[i]--; //回溯
}
mymax = tenMax>mymax?tenMax:mymax;
}
int main(){
vector<string> words;
string word;
int n;
char head;
cin >> n;
//接收所有单词并存入words中
for(int i = 0;i < n;i++){
cin >> word;
words.push_back(word);
}
getchar();cin >> head;
//依次把每个单词的首字母和head比较,相同就作为龙的开头来接龙,即调用一次dfs()
for(int i = 0;i < n;i++)
if(words[i][0]==head){
seen[i]++;
dfs(words,i,words[i].length());
seen[i]--;
}
cout << mymax << endl;
return 0;
}
相关文章
- Genome Biology | iDNA-ABF: 基于多尺度深度学习的生物序列与功能语义模型实现DNA甲基化可解释性预测
- Apache Airflow:安装指南和基本命令
- 重磅!百余名生物信息领域中国学者入围全球前2%顶尖科学家榜单
- Apache Airflow-编写第一个DAG
- [Bioinformatics | 论文解读] 基于生成对抗网络的单细胞半监督注释和降维框架
- [AAAI | 论文解读] 知识图谱如何嵌入对未知数据的外推:语义证据视图
- Rolling Deployments 滚动部署
- [IJCAI | 论文解读] AttExplainer:通过强化学习的注意力机制来解释 Transformer
- [Brief. Bioinformatics | 论文简读] 一种从生物序列中提取特征的工具
- [KDD 2022 | 论文简读] 避免由于节点嵌入中的相似性假设而导致的偏差
- [JCIM 2022 | 论文简读] 多任务深度神经网络在Ames致突变性预测中的应用
- VScode本地进行Jenkinsfile语法验证
- Apache Airflow-ETL 工作流的下一级CRON替代方案
- Protein science︱王舒禹团队:贝叶斯与图神经网络结合预测突变对蛋白质稳定性的影响
- 软件测试|测试方法论—边界值
- [AAAI 2022 | 论文简读] SpreadGNN: 分子数据上图神经网络的分散式多任务联邦学习
- [Brief. Bioinformatics | 论文简读] CReSIL:从长读序列中准确识别染色体外环状DNA
- [Nat. Biotechnol. | 论文简读] 利用大规模数据标注和深度学习对组织图像进行具有人类水平表现的全细胞分割
- Apache Airflow的组件和常用术语
- [IJCAI 2022 | 论文简读] 不仅仅是同质性:结构感知路径聚合图神经网络