Pokegene(ICPC North Central NA Contest 2018,LCP)

本文针对Pokegene问题提出了一种简单解法,通过对原字符串排序并利用后缀数组原理,计算字符串间的最长公共前缀(LCP),从而解决具有相同前缀的字符串识别问题。文章详细介绍了算法思路及代码实现细节。

一.题目链接:

Pokegene

二.题目大意:

三.分析:

题解给了两种解法:后缀数组 || 虚树

这里给出一种小白解法(其实是上面那两种我都不会)

首先对原字符串排序,这样就可以保证具有相同前缀的字符串会挨在一起.

这样求一下 s[i] 与 s[i + k  -1] 点的 lcp,另外需要求 s[i] 与 s[i + k] 的 lcp 和 s[i] 与 s[i - 1] 的 lcp,搞一搞就可以啦~

详见代码.

小吐槽:这 8000ms 时限是假的... 还有就是这题如果 cin 关同步会 T.

四.代码实现:

#include <bits/stdc++.h>
using namespace std;

typedef long long ll;
typedef unsigned long long ull;

const int M = (int)2e5;
const int N = (int)1e5;
const ll inf = 0x3f3f3f3f3f3f3f3f;
const ll mod = (ll)1e9 + 7;
const ull base = 131;

struct node
{
    string s;
    int id;
}a[M + 5];

int id[M + 5];
vector <int> v;
vector <ull> Hash[M + 5];

bool cmp(node a, node b)
{
    return a.s < b.s;
}

int lcp(int x, int y)
{
    int l = 0, r = min(a[x].s.size(), a[y].s.size()), mid;
    while(l < r)
    {
        mid = (l + r + 1) >> 1;
        if(Hash[x][mid - 1] == Hash[y][mid - 1]) l = mid;
        else                                     r = mid - 1;
    }
    return r;
}

int main()
{
//    freopen("input.txt", "r", stdin);
//    freopen("output.txt", "w", stdout);
    int n, q; scanf("%d %d", &n, &q);
    for(int i = 0; i < n; ++i) {cin >> a[i].s; a[i].id = i;}
    sort(a, a + n, cmp);
    for(int i = 0; i < n; ++i) id[a[i].id] = i;
    for(int i = 0; i < n; ++i) {ull f = 0; for(auto ch: a[i].s) Hash[i].push_back(f = f * base + ch - 'a' + 1);}
    for(int i = 0, l, k, x; i < q; ++i)
    {
        v.clear();
        ll ans = 0;
        scanf("%d %d", &l, &k);
        for(int j = 0; j < l; ++j) {scanf("%d", &x); v.push_back(id[--x]);}
        sort(v.begin(), v.end());
        for(int j = 0; j + k - 1 < l; ++j)
        {
            int a = lcp(v[j], v[j + k - 1]);
            int b = (j + k < l ? lcp(v[j], v[j + k]) : 0);
            int c = (j ? lcp(v[j], v[j - 1]) : 0);
            ans += max(0, a - max(b, c));
        }
        printf("%lld\n", ans);
    }
    return 0;
}

 

同步定位与地图构建(SLAM)技术为移动机器人或自主载具在未知空间中的导航提供了核心支撑。借助该技术,机器人能够在探索过程中实时构建环境地图并确定自身位置。典型的SLAM流程涵盖传感器数据采集、数据处理、状态估计及地图生成等环节,其核心挑战在于有效处理定位与环境建模中的各类不确定性。 Matlab作为工程计算与数据可视化领域广泛应用的数学软件,具备丰富的内置函数与专用工具箱,尤其适用于算法开发与仿真验证。在SLAM研究方面,Matlab可用于模拟传感器输出、实现定位建图算法,并进行系统性能评估。其仿真环境能显著降低实验成本,加速算法开发与验证周期。 本次“SLAM-基于Matlab的同步定位与建图仿真实践项目”通过Matlab平台完整再现了SLAM的关键流程,包括数据采集、滤波估计、特征提取、数据关联与地图更新等核心模块。该项目不仅呈现了SLAM技术的实际应用场景,更为机器人导航与自主移动领域的研究人员提供了系统的实践参考。 项目涉及的核心技术要点主要包括:传感器模型(如激光雷达与视觉传感器)的建立与应用、特征匹配与数据关联方法、滤波器设计(如扩展卡尔曼滤波与粒子滤波)、图优化框架(如GTSAM与Ceres Solver)以及路径规划与避障策略。通过项目实践,参与者可深入掌握SLAM算法的实现原理,并提升相关算法的设计与调试能力。 该项目同时注重理论向工程实践的转化,为机器人技术领域的学习者提供了宝贵的实操经验。Matlab仿真环境将复杂的技术问题可视化与可操作化,显著降低了学习门槛,提升了学习效率与质量。 实践过程中,学习者将直面SLAM技术在实际应用中遇到的典型问题,包括传感器误差补偿、动态环境下的建图定位挑战以及计算资源优化等。这些问题的解决对推动SLAM技术的产业化应用具有重要价值。 SLAM技术在工业自动化、服务机器人、自动驾驶及无人机等领域的应用前景广阔。掌握该项技术不仅有助于提升个人专业能力,也为相关行业的技术发展提供了重要支撑。随着技术进步与应用场景的持续拓展,SLAM技术的重要性将日益凸显。 本实践项目作为综合性学习资源,为机器人技术领域的专业人员提供了深入研习SLAM技术的实践平台。通过Matlab这一高效工具,参与者能够直观理解SLAM的实现过程,掌握关键算法,并将理论知识系统应用于实际工程问题的解决之中。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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