UVa 384 Slurpys

昇腾AI处理器Ascend C编程:从C/C++基础到高性能算子开发实战 异构计算是提升AI算力效率的核心技术,通过在CPU之外引入专用处理器(如GPU、NPU)协同工作,实现大规模并行计算。其原理在于将计算密集型任务卸载到专用硬件,利用其高并行架构加速处理。技术价值在于突破传统CPU的算力瓶颈,为深度学习训练与推理提供强大动力,广泛应用于模型部署、科学计算和高性能计算场景。本文聚焦昇腾AI处理器的原生编程语言Ascend C,它基于C/C++标准扩展,通过显式内存管理和任务并行模型,充分发挥达芬奇架构中Cube与Vector单元的性能。针对CANN算子开发,文章详解了从环境搭建 阅读详情

题目描述

基于一组约束识别字符串是一个常见的计算问题。

Slurpy\texttt{Slurpy}Slurpy 是一种具有特定属性的字符串。你的程序将读取字符串并判断它们是否为 Slurpy\texttt{Slurpy}Slurpy。

定义

Slump\texttt{Slump}Slump 是一个满足以下属性的字符串:

  1. 第一个字符是 D 或 E
  2. 第一个字符后跟一个或多个 F
  3. F 的序列后跟一个 Slump\texttt{Slump}Slump 或一个 G,以此结束整个 Slump\texttt{Slump}Slump
  4. 除此之外都不是 Slump\texttt{Slump}Slump

例如:DFFEFFFG 是一个 Slump\texttt{Slump}Slump(以 D 开头,后跟两个 F,再跟 Slump\texttt{Slump}Slump EFFFG)

Slimp\texttt{Slimp}Slimp 是一个满足以下属性的字符串:

  1. 第一个字符是 A
  2. 如果是两个字符的 Slimp\texttt{Slimp}Slimp,则第二个字符是 H
  3. 如果不是两个字符,则属于以下两种形式之一:
    • A + B + Slimp\texttt{Slimp}Slimp + C
    • A + Slump\texttt{Slump}Slump + C
  4. 除此之外都不是 Slimp\texttt{Slimp}Slimp

Slurpy\texttt{Slurpy}Slurpy 是一个由 Slimp\texttt{Slimp}Slimp 后跟 Slump\texttt{Slump}Slump 组成的字符串。

输入格式

第一行包含整数 NNN(1≤N≤101 \leq N \leq 101≤N≤10),表示字符串数量。接下来 NNN 行,每行包含一个由字母组成的字符串(长度 1∼601 \sim 601∼60)。

输出格式

第一行输出 SLURPYS OUTPUT。接下来 NNN 行,每行输出 YES 或 NO。最后一行输出 END OF OUTPUT。

样例输入

2
AHDFG
DFGAH

样例输出

SLURPYS OUTPUT
YES
NO
END OF OUTPUT

题目分析

问题的本质

这是一个递归下降解析问题。需要根据给定的上下文无关文法判断字符串是否属于定义的语言。

文法规则

Slump  → D F+ (Slump | G)
Slimp  → A H | A B Slimp C | A Slump C
Slurpy → Slimp Slump

解析方法

使用递归下降解析器,维护一个全局位置指针,尝试匹配规则。


参考代码

// Slurpys
// UVa ID: 384
// Verdict: Accepted
// Submission Date: 2016-06-30
// UVa Run Time: 0.000s
//
// 版权所有(C)2016,邱秋。metaphysis # yeah dot net

#include <bits/stdc++.h>

using namespace std;

bool isC();
bool isSlump();
bool isSlimp();
bool isSlurpy();

string line;
int position;

// 解析字符 'C'
bool isC()
{
    if (position < line.length() && line[position] == 'C')
    {
        position++;
        return true;
    }
    return false;
}

// 解析 Slump: D/E F+ (Slump | G)
bool isSlump()
{
    if (position >= line.length()) return false;
    if (line[position] != 'D' && line[position] != 'E') return false;
    position++;
    
    // 至少一个 F
    bool atLeastOneF = false;
    while (position < line.length() && line[position] == 'F')
    {
        atLeastOneF = true;
        position++;
    }
    if (!atLeastOneF) return false;
    
    // 以 G 结尾
    if (position < line.length() && line[position] == 'G')
    {
        position++;
        return true;
    }
    // 或者后面跟一个 Slump
    return isSlump();
}

// 解析 Slimp: A H | A B Slimp C | A Slump C
bool isSlimp()
{
    if (position >= line.length() || line[position] != 'A') return false;
    position++;
    
    // 情况1:AH
    if (position < line.length() && line[position] == 'H')
    {
        position++;
        return true;
    }
    // 情况2:A B Slimp C
    else if (position < line.length() && line[position] == 'B')
    {
        position++;
        if (!isSlimp()) return false;
        if (position < line.length() && line[position] == 'C')
        {
            position++;
            return true;
        }
        return false;
    }
    // 情况3:A Slump C
    else
    {
        if (!isSlump()) return false;
        if (position < line.length() && line[position] == 'C')
        {
            position++;
            return true;
        }
        return false;
    }
}

// 解析 Slurpy: Slimp + Slump
bool isSlurpy()
{
    int savedPos = position;
    if (isSlimp() && isSlump() && position == line.length())
        return true;
    position = savedPos;
    return false;
}

int main(int argc, char *argv[])
{
    ios::sync_with_stdio(false);
    
    string firstLine;
    getline(cin, firstLine);
    int n = stoi(firstLine);
    
    cout << "SLURPYS OUTPUT" << endl;
    
    for (int i = 1; i <= n; i++)
    {
        getline(cin, line);
        position = 0;
        cout << (isSlurpy() ? "YES" : "NO") << endl;
    }   
    
    cout << "END OF OUTPUT" << endl;
    
    return 0;
}
什么是论文的创新点?公式化描述算是创新点吗? 写科研论文时,挑战之一就是如何让你的工作“脱颖而出”,也就是要有创新性。不管实验多么精确、推导多么复杂,若没有真正的创新,论文很可能会被拒。关于如何创新问题上,我最近在看刘雪峰老师的《科技论文写作指南》,看到了很多关于写作的新论述,在这里和大家进行分享。 阅读详情

相关推荐

opencv 常用函数总结

本文是一份OpenCV图像处理的常用函数总结,详细介绍了图像的读入、显示、保存、像素处理、图像属性获取、基础操作、阈值处理、图像平滑、形态学转换以及直方图处理等关键技术。文章通过代码示例和参数说明,帮助读者快速掌握OpenCV在图像处理领域的应用。

weixin_44063529的博客 1602

uva 384 Slurpys

题目:给了slury的语法(由slimp和slump组成),语法分析判断 注意:函数变量用形参 函数设置一个begin变量真的很方便 #include #include #include #include #include #include #include #include using namespace std; bool slump(char m[61],int &be

脚踏实地 1378

ROS TF坐标转换实战:从零搭建机器人坐标系(附常见问题排查)

本文提供了一份ROS TF坐标转换的实战指南,详细讲解了如何从零为机器人搭建完整的坐标系,并深入解析了TF的原理。内容涵盖静态与动态坐标变换的发布、URDF模型使用、以及Rviz和rqt_tf_tree等可视化调试工具。文章还附带了常见问题排查表,帮助开发者快速定位并解决TF树断裂、数据错位等典型问题。

weixin_29268385的博客 207

UVA_384_Slurpys

#include #include #include #include #include #include #include #include #include #include #include #pragma warning(disable:4996) using std::cin; using std::co

cxy7tv的博客 1228

智能车竞赛循迹控制:基于状态机的直道、弯道、十字路口处理策略

在嵌入式系统与自动控制领域,PID控制算法是实现精确运动控制的基础。其原理是通过比例、积分、微分三个环节的线性组合,对系统误差进行实时校正,从而实现对目标值的快速、稳定跟踪。这项技术的核心价值在于为各类自动控制系统提供了稳定、可靠且易于实现的解决方案,广泛应用于机器人、无人机、工业自动化等场景。在智能车循迹这类特定应用中,赛道环境复杂多变,单一的PID控制器难以应对直道、弯道、十字路口等不同赛道元素的控制需求。此时,有限状态机(FSM)作为一种高效的**决策框架**,能够根据实时感知的赛道特征(如边线曲率、

weixin_34034261的博客 287

卸载Office 16 Click-to-Run Extensibility Component详细步骤

卸载Office 16 Click-to-Run Extensibility Component详细步骤 第一步:按住键盘上的“Win+R”,打开运行窗口 在运行窗口输入“Installer”回车,打开Installer文件夹 第二步:在Installer文件夹红框最右侧,即“大小”后面,右击选择“其他”,找到“主题”,勾选,点击“确定”,添加主题列成功 第三步:在“主题”列找到“Office 16 Click-to-Run Extensibility Component

M_try的博客 3万+

UVA 384 Slurpys 状态机实现

从隔壁大佬学来的思路,或许这样会更清晰一点……仅供参考。#include &lt;iostream&gt; #include &lt;cstdio&gt; using namespace std; int main() { char str[100000]; int n; enum states {next_slimps,closing_slimps,next_slum...

Lzybsr的博客 676

操作系统期末大题类型题解

额,OS主要这回考程序分析题,PV操作、生产者消费者啊,哲学家进餐问题,死锁问题啊,如何避免死锁,经典银行家算法,页面置换算法啥的,磁盘调度......总计还有很多,就不一一说了 PV操作 谈到PV操作,首先要了解什么是信号量,其实就是用来解决互斥与同步问题的,分为原语wait(S)和signal(S),也就是我们常说的PV操作,在这里给出王道上的概念 wait(S){ while(S>0) S=S-1; } signal(S){ S=S+1; } 记录型信号量

ZXxxiaoxuan的博客 799

UVA 384 - Slurpys

题意:根据所给要求,判断输入字符串是否满足要求代码如下:#include &lt;bits/stdc++.h&gt; using namespace std; char x[65]; bool Slump(char x[65],int &amp;i)//判断字符串是否符合Slump { if((x[i]=='D'||x[i]=='E')&amp;&amp;x[++i]=='F') ...

liuxinyu666的博客 419

DSP烧写程序的步骤流程

1,先打开 “Code Composer Studio 5.5.0”软件,选择一个DSP的工作区路径(可自行选择,不能有中文路径),如下图 2,将烧写bin文件(例如Lss_Board0_xxx.bin、Lss_Board1_xxx.bin)拷贝至烧录工程文件夹WriteCode内。选择CCS Edit窗口选项,若隐藏可点击右侧>>符号,从菜单栏点击Project,选择Import Existing CCS Eclipse Project,从弹出的对话框中选择WriteCode工程路径,从

wangjie36的博客 1万+

基于 Google Colab 的 mask rcnn 训练自己的数据集(以实例分割为例)

详细步骤1 数据集的制作1.1 数据标注1.2 生成数据集2 环境的搭建2.1 搭建流程2.2 注意事项(报错)3 开始训练4 可视化4.1 修改webcam.py文件4.2 进行可视化5 参考文章 1 数据集的制作 1.1 数据标注 使用 labelme=4.5.6 版本进行标注,标注文件指定到保存图片的路径下,也就是json文件和jpg文件放在同一个文件夹里 1.2 生成数据集 先手动划分训练集和测试集(包括图像和标注文件),然后分别整合它们的标注信息,参考代码:1_ships_to_coco.py

G果的博客 8004

UVa OJ 题解索引

寂静山林 789

实现基于 Python 和 xterm.js 的 Web 交互终端demo

前端 (HTML):使用 xterm.js 作为前端终端模拟器库。创建了一个 WebSocket 连接到 ws://localhost:8765,这与后端服务器的地址和端口匹配。监听 WebSocket 消息,并将数据写入终端。同时监听用户输入并发送到服务器。后端 (Python):使用 websockets 库来创建 WebSocket 服务器,监听端口 8765。使用 paramiko 库来创建 SSH 客户端并连接到指定的远程服务器。

u010674101的专栏 877

UVa Problem 10252 Common Permutation (公共排列)

// Common Permutation (公共排列) // PC/UVa IDs: 110303/10252, Popularity: A, Success rate: average Level: 1 // Verdict: Accepted // Submission D

寂静山林 4140

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

UVa Problem 123 - Searching Quickly

// UVa Problem 123 - Searching Quickly // Verdict: Accepted // Submission Date: 2012-01-04 // UVa Run Time: 0.016s // // 版权所有(C)2012,邱秋。metaphysis # yeah dot net // // [解题方法] // 简单的字符串处理和排序题。

寂静山林 3808

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

UVa Problem 850 Crypt Kicker II (解密 II)

// Crypt Kicker II (解密 II) // PC/UVa IDs: 110304/850, Popularity: A, Success rate: average Level: 2 // Verdict: Accepted // Submission Date:

寂静山林 3544

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

UVa Problem 10082 WERTYU (WERTYU 键盘)

// WERTYU (WERTYU 键盘) // PC/UVa IDs: 110301/10082, Popularity: A, Success rate: high Level: 1 // Verdict: Accepted // Submission Date: 2011-

寂静山林 3424

UVa Problem 10010 Where’s Waldorf?(寻找单词)

// Where’s Waldorf? (序找单词) // PC/UVa IDs: 110302/10010, Popularity: B, Success rate: average Level: 2 // Verdict: Accepted // Submission Dat

寂静山林 2661

UVa Problem 10132 File Fragmentation (文件碎片)

// File Fragmentation (文件碎片) // PC/UVa IDs: 110306/10132, Popularity: C, Success rate: average Level: 2 // Verdict: Accepted // Submission D

寂静山林 2619

UVa Problem 10188 Automated Judge Script (自动评测脚本)

// Automated Judge Script (自动评测脚本) // PC/UVa IDs: 110305/10188, Popularity: B, Success rate: average Level: 1 // Verdict: Accepted // Submis

寂静山林 2441

UVa Problem 848 Fmt (Fmt 程序)

// Fmt (Fmt 程序) // PC/UVa IDs: 110308/848, Popularity: C, Success rate: low Level: 2 // Verdict: Accepted // Submission Date: 2011-05-22 //

寂静山林 2198

UVa 10580 Ransom Note

本文研究了如何通过剪贴报纸字母制作勒索信的最优解问题。给定勒索信和报纸文本,忽略大小写和标点符号,要求使用最少剪贴片段拼出勒索信。核心算法采用后缀数组技术,通过构建连接字符串的后缀数组和高度数组,实现高效的贪心匹配。每次从当前位置寻找报纸中最长的连续匹配片段,确保总片段数最少。预处理阶段将文本转换为小写并去除标点,构建后缀数组的时间复杂度为O(n log n),匹配阶段利用高度数组快速查找最长公共前缀。实验证明该方法能高效解决大规模输入问题,样例运行时间为0.05秒。

寂静山林 1075

UVa 11732 strcmp() Anyone

题目要求计算所有字符串对在strcmp()比较时的总字符比较次数。关键点在于strcmp()的机制:逐个字符比较直到出现差异或结束符。直接两两比较效率低(O(N²L)),需优化。采用Trie树高效统计公共前缀: Trie构建:存储字符串并记录节点访问次数和结束次数。 比较次数计算:通过BFS遍历Trie,对每个节点分两种情况: 分叉节点:比较次数为2d+1(d为深度)。 结束节点:比较次数为2d+2。 优化公式:利用组合数计算节点贡献,避免重复计算。 此方法将复杂度降至O(NL),适用于大规模数据。

寂静山林 1063

UVa 10234 Frequent Substrings

本文讨论如何统计字符串中出现频率最高的指定长度子串(N-Gram)。核心思路包括将字符串统一转为小写、枚举所有可能子串并用map统计频率,最后选择出现次数最多且字典序最小的子串。算法复杂度为O(L·N logL),适用于长度不超过1000的字符串。实现时需注意处理输入输出细节,如换行符和大小写转换。该问题考察了字符串处理、频率统计和字典序比较的综合能力。

寂静山林 1058

UVa 12012 Detection of Extraterrestrial

本文研究了如何检测字符串中由X个相同子串拼接而成的最长连续子串。给定长度为N的字符串,对每个X∈[1,N],找出能表示为X个相同块拼接的子串的最大长度。通过预处理字符串哈希,枚举所有可能的块长度和起点,统计连续相同块的数量,从而高效更新答案。算法利用哈希比较优化,将理论复杂度从O(N^4)降至O(N^3),实际运行效率较高。代码实现采用自然溢出哈希技术,正确处理边界情况,确保结果正确性。测试样例验证了算法能准确识别周期性重复模式,如输入"noonnoonnoon"时,正确输出X=2

寂静山林 1056

UVa 1127 Word Puzzles

本文提出了一种利用Trie树优化矩阵单词搜索的算法。给定L×C字母矩阵和W个单词,需要找出每个单词首次出现的起始位置和方向(8种)。传统暴力搜索时间复杂度太高,而本文方法通过构建Trie树,从每个矩阵位置出发沿8个方向在Trie树上匹配单词,显著提高了效率。算法时间复杂度为O(L×C×8×maxLen),空间复杂度为O(总单词长度×26)。代码实现中采用方向数组处理8种移动,利用foundCount变量提前终止搜索,确保只记录首次出现位置。该方法在UVa 1127题目中表现优异,运行时间仅0.300s。

寂静山林 1045
上一篇: UVa 383 Shipping Routes
下一篇: UVa 385 DNA Translation
寂静山林
博客等级 码龄22年 648粉丝 2077原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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
⌂ 换网址