POJ 3461 KMP

本文详细介绍了一种高效的字符串匹配算法——KMP算法,并通过一个具体的编程实例展示了如何使用KMP算法来解决字符串匹配的问题。文章包括了KMP算法的基本思想、实现步骤以及完整的C++代码实现。

题目链接

题意:

给定S串和T串,求S串在T串内的出现次数。

思路:

KMP模板题。

C++代码:

#include<map>
#include<set>
#include<stack>
#include<cmath>
#include<queue>
#include<vector>
#include<string>
#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
using namespace std;
const int maxn = 1000010;

int Nx[maxn];
char S[maxn];
char T[maxn];

void GetKmpNext( char *s , int *nx )
{
    nx[0] = -1;
    int len = strlen(s);
    for ( int i=0,j=-1 ; i<len ; i++ )
    {
        while ( j!=-1&&s[i]!=s[j] )
            j = nx[j];
        nx[i+1] = ++j;
    }
}

int Kmp( char *a , char *b , int *nx )
{
    int res = 0;
    int la = strlen(a);
    int lb = strlen(b);
    GetKmpNext( b , nx );
    for ( int i=0,j=0 ; i<la ; i++ )
    {
        while ( j!=-1&&a[i]!=b[j] )
            j = nx[j];
        if ( ++j==lb ) res++;
    }
    return res;
}

int main()
{
    int Cas; scanf ( "%d" , &Cas );
    while ( Cas-- )
    {
        scanf ( "%s%s" , S , T );
        printf ( "%d\n" , Kmp( T , S , Nx ) );
    }
    return 0;
}

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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