回溯法练习4分析和总结.docxVIP

字串变换

[问题描述]：已知有两个字串A$，B$及一组字串变换的规则：

A1$→B1$A2$→B2$

………

规则的含义为：在A$中的子串A1$可以变换为B1$、A2$可以变换为B2$…..。例如：A$=‘abcd’B$=‘xyz’

变换规则为：

‘abc’→‘xu’‘ud’→‘y’ ‘y’→‘yz’

则此时，A$可以经过一系列的变换变为B$，其变换的过程为：

‘abcd’→‘xud’→‘xy’→‘xyz’

共进行了三次变换，使得A$变换为B$。

[输入]：输入文件名为A.in。文件格式如下：A$，B$

A1$→B1$

A2$→B2$ 变换规则

………

所有字符串长度的上限为255。

[输 出]：输出文件名为A.out。若在30步（包含30步）以内能将A$变换为B$，则向A.out输出最少的变换步数；否则向A.out输出‘ERROR！’。

[输入输出样例]

A.in文件：abcd,xyzabc-xu

ud-yy-yz

神经网络

【问题背景】人工神经网络（ArtificialNeuralNetwork）是一种新兴的具有自我学习能力的计算系统，在模式识别、函数逼近及贷款风险评估等诸多领域有广泛的应用。对神经网络的研究一直是当今的热门方向，兰兰同学在自学了一本神经网络的入门书籍后，提出了一个简化模型，他希望你能帮助他用程序检验这个神经网络模型的实用性。

【问题描述】在兰兰的模型中，神经网络就是一张有向图，图中的节点称为神经元，而且两个神经元之间至多有一条边相连，下图是一个神经元的例子：

图中，X1—X3是信息输入渠道，Y1－Y2是信息输出渠道，C1表示神经元目前的状态，Ui是阈值，可视为神经元的一个内在参数。

神经元按一定的顺序排列，构成整个神经网络。在兰兰的模型之中，神经网络中的神经无分为几层；称为输入层、输出层，和若干个中间层。每层神经元只向下一层的神经元输出

信息，只从上一层神经元接受信息。下图是一个简单的三层神经网络的例子。

兰兰规定，Ci服从公式：（其中n是网络中所有神经元的数目）

C ? ?W C ?U

i ji j i

(j,i)?E

公式中的Wji（可能为负值）表示连接j号神经元和i号神经元的边的权值。当Ci大于0

时，该神经元处于兴奋状态，否则就处于平静状态。当神经元处于兴奋状态时，下一秒它会向其他神经元传送信号，信号的强度为Ci。

如此．在输入层神经元被激发之后，整个网络系统就在信息传输的推动下进行运作。

现在，给定一个神经网络，及当前输入层神经元的状态（Ci），要求你的程序运算出最后网络输出层的状态。

【输入格式】输入文件第一行是两个整数n（1≤n≤20）和p。接下来n行，每行两个整数，第i＋1行是神经元i最初状态和其阈值（Ui），非输入层的神经元开始时状态必然为0。再下面P行，每行由两个整数i，j及一个整数Wij，表示连接神经元i、j的边权值为Wij。

【输出格式】输出文件包含若干行，每行有两个整数，分别对应一个神经元的编号，及其最后的状

态，两个整数间以空格分隔。仅输出最后状态非零的输出层神经元状态，并且按照编号由小到大顺序输出！

因式分解

将大于1的自然数N进行因式分解，满足N=a1*a2*a3．．am且1a1≤a2≤．．．．≤amN。编一程序，输入N(1N109)，输出所有的因式分解方案。

输入：N由键盘输入

输出要求：第1行至第M行输出所有的M种方案(顺序不限)，第M+1行输出方案总数M。例如输入N=12，输出：

12=2*6

12=2*2*3

12=3*4

M=3