AC自动机模板

一、步骤
Step1:建Trie
Step2:bfs求fail和last,并补全Trie
Step3:Find
二、维护:
fail[u] 失配时针
last[u] 沿着fail跳到的下一个单词节点
三、注意:
①多组数据的初始化:

			trie[0][i] = 1;
			trie[1][i] = 0;

②补全Trie树以后,Find的时候不需要while(!Trie[u][t]) u = fail[u]了,(!Trie[u][t]这种情况不可能出现)
③点u代表的单词出现了,代表所有通过fail[u]能访问到的单词也出现了,统计的时候不要遗漏。
单词节点会沿着fail指针传递。
也就是:走到一个非单词节点u,也有可能成功匹配某个串,因为u沿着fail指针可能会跳转到单词节点。
【使用手写queue,用做完的que数组的“逆序”更新】

		for(int i=cnt; i; --i)
		{
			int u = que[i];
			times[last[u]] += times[u];
		}

④遇到AC自动机:要想到这个坑点:有没有可能有两个相同的串被扔到Trie树上 (看清楚题目:相同的单词到底算一遍还是多遍)

四、模板题 hdu2222

#include<queue>
#include<cstdio>
#include<cstring>
#include<iostream>
#include<algorithm>
#define N 500005
#define INF 0x3f3f3f3f
using namespace std;
int trie[N][28];
int fail[N];
int last[N];
int val[N]; 
int times[N]; 
int root=1, cnt=1;
char s[1000010];
char ch[1000010];
int que[N];

int idx(char c)
{
	return c - 'a' + 1;
}

void insert(char *ch)
{
	int n = strlen(ch);
	int u = root;
	for(int i=0; i<n; ++i)
	{
		int t = idx(ch[i]);
		if(!trie[u][t])
		{
			trie[u][t] = ++cnt;
			for(int i=1; i<=26; ++i) // 多组数据的初始化
				trie[cnt][i] = 0;
		}
		u = trie[u][t];
	}
	val[u]++; 
}

void bfs()
{
	int ql = 1, qr = 1;
	que[1] = 1;
	while(ql <= qr)
	{
		int u = que[ql++];
		for(int i=1; i<=26; ++i)
		if(trie[u][i])
		{
			int v = trie[u][i];
			que[++qr] = v;
			fail[v] = trie[fail[u]][i];
			last[v] = val[fail[v]] ? fail[v] : last[fail[v]];
		}
		else trie[u][i] = trie[fail[u]][i];
	}
}

void Find(char *ch)
{
	int n = strlen(ch);
	int u = root;
	for(int i=0; i<n; ++i)
	{
		int t = idx(ch[i]);
		u = trie[u][t];
		++times[u];
	}
}

int main()
{
	int T;
	scanf("%d", &T);
	while(T--)
	{
		root = 1;  // 多组数据的初始化
		cnt = 1;   // 多组数据的初始化
		for(int i=1; i<=26; ++i)
		{
			trie[0][i] = 1;
			trie[1][i] = 0;
		}
		
		int n;
		scanf("%d", &n);
		
		for(int i=1; i<=n; ++i)
		{
			scanf("%s", ch);
			insert(ch);
		}
	
		bfs();
		
		scanf("%s", s);
		Find(s);
	
		for(int i=cnt; i; --i)
		{
			int u = que[i];
			times[last[u]] += times[u];
		}
		
		int ans = 0;
		for(int i=1; i<=cnt; ++i)
			if(times[i] && val[i])
				ans += val[i];
		printf("%d\n", ans);
		
		for(int i=1; i<=cnt; ++i) fail[i] = last[i] = val[i] = times[i] = 0; // 多组数据的初始化
	}
}

具有多种最大功率点跟踪(MPPT)方法的光伏发电系统(P&O-增量法-人工神经网络-模糊逻辑控制-粒子群优化)之使用粒子群算法的最大功率点追踪(MPPT)(Simulink仿真实现)内容概要:本文介绍了一个涵盖多个科研领域的综合性MATLAB仿真资源集合,重点聚焦于光伏发电系统中基于粒子群优化(PSO)算法的最大功率点追踪(MPPT)技术的Simulink仿真实现。文档还列举了多种MPPT方法(如P&O、增量电导法、神经网络、模糊逻辑控制等),并展示了该团队在电力系统、智能优化算法、机器学习、路径规划、无人机控制、信号处理等多个方向的技术服务能力与代码实现案例。整体内容以科研仿真为核心,提供大量可复现的Matlab/Simulink模型和优化算法应用实例。; 适合人群:具备一定电力电子、自动控制或新能源背景,熟悉MATLAB/Simulink环境,从事科研或工程仿真的研究生、科研人员及技术人员。; 使用场景及目标:①学习并实现光伏系统中基于粒子群算法的MPPT控制策略;②掌握多种智能优化算法在电力系统与自动化领域的建模与仿真方法;③获取可用于论文复现、项目开发和技术攻关的高质量仿真资源。; 阅读建议:建议结合提供的网盘资料,按照研究方向选取对应模块进行实践,重点关注Simulink模型结构与算法代码逻辑的结合,注重从原理到仿真实现的全过程理解,提升科研建模能力。
热成像人物检测数据集 一、基础信息 数据集名称:热成像人物检测数据集 图片数量: 训练集:424张图片 验证集:121张图片 测试集:61张图片 总计:606张热成像图片 分类类别: - 热成像人物:在热成像图像中的人物实例 - 非热成像人物:在非热成像或普通图像中的人物实例,用于对比分析 标注格式: YOLO格式,包含边界框和类别标签,适用于目标检测任务。数据来源于热成像和视觉图像,覆盖多种场景条件。 二、适用场景 热成像监控与安防系统开发: 数据集支持目标检测任务,帮助构建能够在低光、夜间或恶劣环境下自动检测和定位人物的AI模型,提升监控系统的可靠性和实时响应能力。 红外视觉应用研发: 集成至红外摄像头或热成像设备中,实现实时人物检测功能,应用于安防、军事、救援和工业检测等领域。 学术研究与创新: 支持计算机视觉与热成像技术的交叉研究,助力开发新算法用于人物行为分析或环境适应型检测模型。 教育与培训: 可用于高校或培训机构,作为学习热成像人物检测和AI模型开发的教学资源,提升实践技能。 三、数据集优势 精准标注与多样性: 每张图片均由专业标注员标注,确保边界框定位准确,类别分类清晰。包含热成像和非热成像类别,提供对比数据,增强模型的泛化能力和鲁棒性。 场景实用性强: 数据覆盖多种环境条件,如不同光照和天气,模拟真实世界应用,适用于复杂场景下的人物检测任务。 任务适配性高: YOLO标注格式兼容主流深度学习框架(如YOLOv5、YOLOv8等),可直接加载使用,支持快速模型开发和评估。 应用价值突出: 专注于热成像人物检测,在安防、监控和特殊环境检测中具有重要价值,支持早期预警和高效决策。
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