2019HDU多校第二场 1009.I Love Palindrome String(回文树)

本文介绍了一种基于回文树和失败树的算法,用于统计字符串中所有长度的回文子串,其中子串的一半(向上取整)也必须是回文串。通过构建回文树并进行深度优先搜索,可以高效地找到满足条件的回文子串并统计其出现次数。

问所有长度的回文子串满足其一半(向上取整)也是回文串的个数。

对原串建出回文树,并且建立fail树,一个节点在fail树上的父亲是其回文后缀,因此从根节点向下dfs,某个长度的一半如果曾经出现过,那么就找到了长度的一半也是回文的回文子串。
统计其出现次数,即可求出答案。

*关于用马拉车确定一个回文串的一半是不是也是回文:看到有人用马拉车+回文树解决这题,马拉车数组存的是以当前位置为回文中心的回文半径。定位到一个串一半位置的中心,看他的半径是否大于等于串长的一半,即可判断串的一半是不是也是回文串。

#include <bits/stdc++.h>

using namespace std;
typedef long long ll;
const int maxn = 3e5 + 5;

int ans[maxn];
char s[maxn];

struct Pam {
    int next[maxn][26];
    int fail[maxn];
    int len[maxn];// 当前节点表示回文串的长度
    int vis[maxn];
    int cnt[maxn];
    int S[maxn];
    vector<int> G[maxn];
    int last, n, p;

    int newNode(int l) {
        memset(next[p], 0, sizeof(next[p]));
        len[p] = l;
        cnt[p] = 0;
        G[p].clear();
        return p++;
    }

    void init() {
        n = last = p = 0;
        newNode(0);
        newNode(-1);
        S[n] = -1;
        fail[0] = 1;
    }

    int getFail(int x) {
        while (S[n - len[x] - 1] != S[n]) {
            x = fail[x];
        }
        return x;
    }

    void add(int c) {
        S[++n] = c;
        int cur = getFail(last);
        if (!next[cur][c]) {
            int now = newNode(len[cur] + 2);
            fail[now] = next[getFail(fail[cur])][c];
            next[cur][c] = now;
            G[fail[now]].push_back(now);
        }
        last = next[cur][c];
        ++cnt[last];
    }

    void update() {
        for (int i = p - 1; i >= 0; i--) {
            cnt[fail[i]] += cnt[i];
        }
    }

    void build() {
        init();
        vis[1] = 1;
        for (int i = 0; s[i]; i++) {
            add(s[i] - 'a');
        }
        update();
    }


    void dfs(int x) {
        if (vis[(int) ceil(1.0 * len[x] / 2)]) {
            ans[len[x]] += cnt[x];
        }
        ++vis[len[x]];
        for (auto v : G[x]) {
            dfs(v);
        }
        --vis[len[x]];
    }
} pam;

int main() {
    while (~scanf("%s", s)) {
        pam.build();
        pam.dfs(0);
        int len = strlen(s);
        for (int i = 1; i <= len; ++i) {
            printf("%d", ans[i]);
            if (i < len) {
                printf(" ");
            }
            ans[i] = pam.vis[i] = 0;
        }
        printf("\n");
    }
    return 0;
}
【四轴飞行器】非线性三自由度四轴飞行器模拟器研究(Matlab代码实现)内容概要:本文围绕非线性三自由度四轴飞行器模拟器的研究展开,重点介绍基于Matlab代码实现的四轴飞行器动力学建模与仿真方法。研究构建了考虑非线性特性的飞行器数学模型,涵盖姿态动力学与运动学方程,实现了三自由度(滚转、俯仰、偏航)的精确模拟。文中详细阐述了系统建模过程、控制算法设计思路及仿真结果分析,帮助读者深入理解四轴飞行器的飞行动力学特性与控制机制;同时,该模拟器可用于算法验证、控制器设计与教学实验。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的高学生、科研人员及无人机相关领域的工程技术人员,尤其适合从事飞行器建模、控制算法开发的研究生和初级研究人员。; 使用场景及目标:①用于四轴飞行器非线性动力学特性的学习与仿真验证;②作为控制器(如PID、LQR、MPC等)设计与测试的仿真平台;③支持无人机控制系统教学与科研项目开发,提升对姿态控制与系统仿真的理解。; 阅读建议:建议读者结合Matlab代码逐模块分析,重点关注动力学方程的推导与实现方式,动手运行并调试仿真程序,以加深对飞行器姿态控制过程的理解。同时可扩展为六自由度模型或加入外部干扰以增强仿真真实性。
基于分布式模型预测控制DMPC的智能体点对点过渡轨迹生成研究(Matlab代码实现)内容概要:本文围绕“基于分布式模型预测控制(DMPC)的智能体点对点过渡轨迹生成研究”展开,重点介绍如何利用DMPC方法实现智能体系统在复杂环境下的协同轨迹规划与控制。文中结合Matlab代码实现,详细阐述了DMPC的基本原理、数学建模过程以及在智能体系统中的具体应用,涵盖点对点转移、避障处理、状态约束与通信拓扑等关键技术环节。研究强调算法的分布式特性,提升系统的可扩展性与鲁棒性,适用于无人机、无人车编队等场景。同时,文档列举了大量相关科研方向与代码资源,展示了DMPC在路径规划、协同控制、电力系统、信号处理等领域的广泛应用。; 适合人群:具备一定自动化、控制理论或机器人学基础的研究生、科研人员及从事智能系统开发的工程技术人员;熟悉Matlab/Simulink仿真环境,对智能体协同控制、优化算法有一定兴趣或研究需求的人员。; 使用场景及目标:①用于智能体系统的轨迹生成与协同控制研究,如无人机集群、无人驾驶车队等;②作为DMPC算法学习与仿真实践的参考资料,帮助理解分布式优化与模型预测控制的结合机制;③支撑科研论文复现、毕业设计或项目开发中的算法验证与性能对比。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注DMPC的优化建模、约束处理与信息交互机制;按文档结构逐步学习,同时参考文中提及的路径规划、协同控制等相关案例,加深对分布式控制系统的整体理解。
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