博客
关于我
51Nod 1791 合法括号子段
阅读量:413 次
发布时间:2019-03-06

本文共 1521 字,大约阅读时间需要 5 分钟。

给定一串括号串,对于其中每个左括号‘(’最多只能找到一个与之相匹配的右括号‘)’。我们可以用栈算法找出每个括号的匹配位置,存储在数组pos中。pos[i]表示第i个左括号对应的右括号的位置,初始值为-1,表示没有匹配的右括号。接下来,我们需要计算以每个括号为开头的合法括号序列的数量,存储在ans数组中。

状态转移方程为ans[i] = ans[pos[i] + 1] + 1,其中i != -1。ans[i]表示以第i个括号开头的合法括号序列的数量。最终答案是所有ans[i]的总和。

解题步骤

  • 初始化:创建pos数组,初始值均为-1。创建ans数组,初始值均为0。

  • 栈匹配括号:使用栈遍历括号字符串,记录每个左括号对应的右括号位置到pos数组中。

  • 计算ans数组:从字符串末尾向前遍历,根据pos数组更新ans数组的值。

  • 求总和:将ans数组中的所有值求和,得到最终答案。

  • 代码实现

    #include 
    #include
    using namespace std;int main() { char s[n]; int t; stack
    S; for (scanf("%d", &t); t--; ) { scanf("%s", s); int len = strlen(s); fill(pos, pos + len, -1); fill(ans, ans + len, 0); while (!S.empty()) { int i = S.top(); S.pop(); if (s[i] == ')') { for (int j = 0; j < len; ++j) { if (s[j] == '(' && pos[j] == -1) { pos[j] = i; break; } } } } int sum = 0; for (int i = len - 1; i >= 0; --i) { if (pos[i] != -1) { ans[i] = ans[pos[i] + 1] + 1; sum += ans[i]; } } cout << sum << '\n'; } return 0;}

    代码解释

  • 初始化:使用fill函数初始化pos和ans数组,pos初始值为-1,ans初始值为0。

  • 栈匹配括号:遍历字符串,使用栈记录左括号的位置。当遇到右括号时,弹出栈顶的左括号位置,并将其记录到pos数组中。

  • 计算ans数组:从字符串末尾向前遍历,计算每个左括号对应的合法括号序列数量。ans[i] = ans[pos[i] + 1] + 1,表示以i为起点的括号序列数等于其后续可能的括号数加上空的情况。

  • 求总和:将ans数组中的所有值求和,得到最终答案,并输出。

  • 通过这种方法,可以高效地计算出每个左括号开头的合法括号序列数量,并求出总和,解决问题。

    转载地址:http://rkokz.baihongyu.com/

    你可能感兴趣的文章
    numpy
    查看>>
    Numpy 入门
    查看>>
    NumPy 库详细介绍-ChatGPT4o作答
    查看>>
    NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
    查看>>
    numpy 或 scipy 有哪些可能的计算可以返回 NaN?
    查看>>
    numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
    查看>>
    numpy 数组与矩阵的乘法理解
    查看>>
    NumPy 数组拼接方法-ChatGPT4o作答
    查看>>
    numpy 用法
    查看>>
    Numpy 科学计算库详解
    查看>>
    Numpy.fft.fft和numpy.fft.fftfreq有什么不同
    查看>>
    numpy.linalg.norm(求范数)
    查看>>
    Numpy.ndarray对象不可调用
    查看>>
    Numpy.VisibleDeproationWarning:从不整齐的嵌套序列创建ndarray
    查看>>
    Numpy:按多个条件过滤行?
    查看>>
    Numpy:条件总和
    查看>>
    numpy、cv2等操作图片基本操作
    查看>>
    numpy中的argsort的用法
    查看>>
    NumPy中的精度:比较数字时的问题
    查看>>
    numpy判断对应位置是否相等,all、any的使用
    查看>>