HDOJ 1251 统计难题(字典树)

本文介绍了一种使用Trie树解决统计单词前缀数量的方法。通过构建Trie树存储单词,实现高效查找以特定字符串为前缀的单词数量。文章包含完整的C语言代码示例。


http://acm.hdu.edu.cn/showproblem.php?pid=1251

统计难题

Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 131070/65535 K (Java/Others)
Total Submission(s): 19592    Accepted Submission(s): 8592


Problem Description
Ignatius最近遇到一个难题,老师交给他很多单词(只有小写字母组成,不会有重复的单词出现),现在老师要他统计出以某个字符串为前缀的单词数量(单词本身也是自己的前缀).
 

Input
输入数据的第一部分是一张单词表,每行一个单词,单词的长度不超过10,它们代表的是老师交给Ignatius统计的单词,一个空行代表单词表的结束.第二部分是一连串的提问,每行一个提问,每个提问都是一个字符串.

注意:本题只有一组测试数据,处理到文件结束.
 

Output
对于每个提问,给出以该字符串为前缀的单词的数量.
 

Sample Input
      
banana band bee absolute acm ba b band abc
 

Sample Output
      
2 3 1 0


说明:用C++提交超时,用G++可以AC.

#include<stdio.h>
#include<string.h>
#include<malloc.h>
#define change(n) (n-('a'-0))
#define NUM 26
#define MAX 20
struct Trie 
{
	int num;//该节点是几个单词的公共部分
	struct Trie *next[NUM];
};
void Build(struct Trie *root,char *c)
{
	int i,j,n,m;
	struct Trie *p=root;
	n=strlen(c);
	for(i=0;i<n;i++)
	{
		m=change(c[i]);
		if(p->next[m])
		{
			p=p->next[m];
			p->num+=1;
			continue;
		}
		//-----创立新节点-----// 
		struct Trie *s;
		s=(struct Trie *)malloc(sizeof(struct Trie));
		s->num=0;
		for(j=0;j<NUM;j++)
		s->next[j]=NULL;
		//--------------------//
		p->next[m]=s;
		
		p=p->next[m];
		p->num+=1;
	}
}
int Find(struct Trie *root,char *s)
{
	int i,j,n,m;
	struct Trie *p=root;
	n=strlen(s);
	for(i=0,j=0;i<n;i++)
	{
		m=change(s[i]);
		if(p->next[m])
		{
		   p=p->next[m];
		   continue;
		}
		if(!p->next[m])
		{
			j=-1;
		    break;
	    }
	}
	if(j==-1) return 0;
	else return p->num;
}
void Delete(struct Trie *root)
{
	int i;
	for(i=0;i<NUM;i++)
	{
		if(root->next[i])
		Delete(root->next[i]);
	}
	free(root);
}
int main()
{
	char c[MAX],s[MAX];
	int n,i;
	
	//-----创建根节点-----//
	struct Trie *head;
	head=(struct Trie *)malloc(sizeof(struct Trie));
	head->num=0;
	for(i=0;i<NUM;i++)
	head->next[i]=NULL;
	//--------------------// 
	while(gets(c)&&c[0])//以换行结束要这样结束 
	{
		Build(head,c);
	}//建立Trie树成功 
	while(scanf("%s",s)!=EOF)
	{
		n=Find(head,s);
		printf("%d\n",n);
	}
	Delete(head); 
	
	return 0;
}

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
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