hdu-4763 kmp next数组的应用

本文介绍了一种使用KMP算法求解字符串中满足特定条件的最长三个不重叠公共前缀的方法。这些前缀需符合EAEBE格式,即第一个在字符串开头,第三个在末尾,且中间部分不与首尾重叠。通过分析KMP next数组的特性,提出了一个高效解决方案。

http://acm.hdu.edu.cn/showproblem.php?pid=4763

求最长的三个不重叠公共前缀,要求EAEBE的格式  即要求第一个在字符串开头  第三个在末尾  中间不能和首尾重叠

刚开始就往后缀数组想  想了好久发现时间复杂度不可能呀  然后就想起了以前poj上水过的一题

http://blog.youkuaiyun.com/fire_cat11211022/article/details/9974631

就是利用kmp next数组的特性求解  然后就是自己找的规律 自己都说不清楚  囧

代码如下

#include <cstdio>
#include <cstring>
#include <iostream>
#define max 1000010
using namespace std;
int n[max];
char str1[max];
int next(char s[])
{
    n[0]=-1;
    int j=0,k=-1;
    int len=strlen(s);
    int LL=len;
    while(j<len)  //获得next数组
    {
        if(k==-1||s[j]==s[k])
            n[++j]=++k;
        else k=n[k];
    }
    
    while(len!=0)
    {
        int flag=1;
        int l=n[len];
        while(l!=0&&(2*n[len]<=LL-n[len]))
        {
            for(int i=2*n[l]; i<=LL-n[l]; i++)
            {
                if( n[i] ==l)
                {
                    flag=0;
                    break;
                }
            }
            if(flag==0)   break;
            l=n[l];
        }
        if(flag==0)  break;
        len=n[len];
    }
    if(len==0)
        printf("0\n");
    else
        printf("%d\n",n[len]);
}
int main()
{
    int T;
    scanf("%d",&T);
    while(T--)
    {
        scanf("%s",&str1);
        next(str1);
    }
    return 0;
}


HDU-3480 是一个典型的动态规划问题,其题目标题通常为 *Division*,主要涉及二维费用背包问题或优化后的动态规划策略。题目大意是:给定一个整数数组,将其划分为若干个连续的子集,每个子集最多包含 $ m $ 个元素,并且每个子集的最大值与最小值之差不能超过给定的阈值 $ t $,目标是使所有子集的划分代价总和最小。每个子集的代价是该子集最大值与最小值的差值。 ### 动态规划思路 设 $ dp[i] $ 表示前 $ i $ 个元素的最小代价。状态转移方程如下: $$ dp[i] = \min_{j=0}^{i-1} \left( dp[j] + cost(j+1, i) \right) $$ 其中 $ cost(j+1, i) $ 表示从第 $ j+1 $ 到第 $ i $ 个元素构成一个子集的代价,即 $ \max(a[j+1..i]) - \min(a[j+1..i]) $。 为了高效计算 $ cost(j+1, i) $,可以使用滑动窗口或单调队列等数据结构来维护区间最大值与最小值,从而将时间复杂度优化到可接受的范围。 ### 示例代码 以下是一个简化版本的动态规划实现,使用暴力方式计算区间代价,适用于理解问题结构: ```cpp #include <bits/stdc++.h> using namespace std; const int INF = 0x3f3f3f3f; const int MAXN = 10010; int a[MAXN]; int dp[MAXN]; int main() { int T, n, m; cin >> T; for (int Case = 1; Case <= T; ++Case) { cin >> n >> m; for (int i = 1; i <= n; ++i) cin >> a[i]; dp[0] = 0; for (int i = 1; i <= n; ++i) { dp[i] = INF; int mn = a[i], mx = a[i]; for (int j = i; j >= max(1, i - m + 1); --j) { mn = min(mn, a[j]); mx = max(mx, a[j]); if (mx - mn <= T) { dp[i] = min(dp[i], dp[j - 1] + mx - mn); } } } cout << "Case " << Case << ": " << dp[n] << endl; } return 0; } ``` ### 优化策略 - **单调队列**:可以使用两个单调队列分别维护当前窗口的最大值与最小值,从而将区间代价计算的时间复杂度从 $ O(n^2) $ 降低到 $ O(n) $。 - **斜率优化**:若问题满足特定的决策单调性,可以考虑使用斜率优化技巧进一步加速状态转移过程。 ### 时间复杂度分析 原始暴力解法的时间复杂度为 $ O(n^2) $,在 $ n \leq 10^4 $ 的情况下可能勉强通过。通过单调队列优化后,可以稳定运行于 $ O(n) $ 或 $ O(n \log n) $。 ### 应用场景 HDU-3480 的问题模型可以应用于资源调度、任务划分等场景,尤其适用于需要控制子集内部差异的问题,如图像分块压缩、数据分段处理等[^1]。 ---
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