终极KMP

理解KMP算法:从零到精通

终极KMP

终极的KMP,这次我要彻底的理解KMP
KMP真的是学习tg中的一个瓶颈
KMP的所有博客,无论是百度的,洛谷的,我都不会,肯定是我太垃圾了,不过没关系,我这次要来个终极笔记,彻底弄明白
是个狗都知道,KMP的算法就是利用失配next数组来达到这么个算法
KMP到底是用来干什么的,作为菜鸡的我,很想用一句话来总结每一个算法的作用及应用
KMP,是做字符串的匹配问题的

文本串,a a b a a b a a f
模式串,a a b a a f
我们要求的是文本串中是否出现了模式串
这是一个KMP最经典的问题
暴力的做法,我在普通KMP中也已经说明了,两层循环朴素比较,知道比较完成
这种做法无论是什么垃圾题都不会水过
如果用KMP,比如我们匹配到了f,那么我们不会从头比较,而是从匹配过的
b a a f从失配的地方开始
那么我们为什么从b开始
这就是KMP的瓶颈和核心了
因为我们从最长前后缀的下一个开始
什么意思,能不能说人话
我们看
a a b a a b a a f
a a b a a f
我们在f这里失配了,那么我们从f前面找一个既是前缀又是后缀的串,并且是最长的,找到了aa,因为要从这个串的后面比较,所以从b开始(这句话是在日照cwk给我讲的,现在明白了)
这个东西叫做前缀表

前缀表next

这是kmp的精髓
是kmp的核心
也是kmp最难理解的部分
前缀,包含首字母,不包含尾字母的所有字串
后缀,包含尾字母,不包含首字母的所有字串
这里强调我们求的是最长的相等前缀和后缀
前缀表的内部存储:
a 0
aa 1
aab 0
aaba 1
aabaa 2
aabaaf 0
这就是前缀表
我们如何利用前缀表进行匹配?
?????
如果我们在f这个位置失配了,那么就得从aabaa找最长前缀后缀,那么就是前缀表的2,那么我们从最长前缀后缀的下一个,那么就是从a[3]开始
继续匹配
他好像真的想把我讲懂
我真的懂了!!
前缀表,就是next数组,或者说kmp数组
那么怎么求next数组,只需要自己对自己匹配就完了!

#include<iostream>//手动模拟程序,人脑DEV 
#include<cstdio>
#include<algorithm>
#include<string>
#include<cstring>
#include<cmath>
#define maxn 1000010
using namespace std;
int kmp[maxn];
int la,lb;
int j;
char a[maxn],b[maxn];
int main()
{
    cin>>a+1;//aabaabaaf
    cin>>b+1;//aabaaff
    la=strlen(a+1);//9
    lb=strlen(b+1);//7
    for(int i=2;i<=lb;i++)//忽略第一位 
    {
        while(j&&b[i]!=b[j+1]) j=kmp[j];//0 0 0 0
        if(b[j+1]==b[i]) j++;//0 0 1 2    寻找相同的前缀后缀 
        kmp[i]=j;//0 0 1 2
    }
    j=0;
    for(int i=1;i<=la;i++)
    {
        while(j>0&&b[j+1]!=a[i]) 
            j=kmp[j];
        if(b[j+1]==a[i])
            j++;
        if(j==lb) 
        {
            cout<<i-lb+1<<endl;
            j=kmp[j];//回跳
        }
    }
    for(int i=1;i<=lb;i++)
    {
        cout<<kmp[i]<<" ";//模式串输出
    }
    return 0;
} 
基于数据驱动的 Koopman 算子的递归神经网络模型线性化,用于纳米定位系统的预测控制研究(Matlab代码实现)内容概要:本文围绕“基于数据驱动的Koopman算子的递归神经网络模型线性化”展开,旨在研究纳米定位系统的预测控制方法。通过结合数据驱动技术与Koopman算子理论,将非线性系统动态近似为高维线性系统,进而利用递归神经网络(RNN)建模并实现系统行为的精确预测。文中详细阐述了模型构建流程、线性化策略及在预测控制中的集成应用,并提供了完整的Matlab代码实现,便于科研人员复现实验、优化算法并拓展至其他精密控制系统。该方法有效提升了纳米级定位系统的控制精度与动态响应性能。; 适合人群:具备自动控制、机器学习或信号处理背景,熟悉Matlab编程,从事精密仪器控制、智能制造或先进控制算法研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①实现非线性动态系统的数据驱动线性化建模;②提升纳米定位平台的轨迹跟踪与预测控制性能;③为高精度控制系统提供可复现的Koopman-RNN融合解决方案; 阅读建议:建议结合Matlab代码逐段理解算法实现细节,重点关注Koopman观测矩阵构造、RNN训练流程与模型预测控制器(MPC)的集成方式,鼓励在实际硬件平台上验证并调整参数以适应具体应用场景。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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