poj3294Life Forms

本文深入探讨了信息技术领域的多个方面,包括前端开发、后端开发、移动开发、游戏开发、大数据开发等细分领域。从基础知识到最新趋势,全面覆盖。同时,文章还涉及开发工具、嵌入式硬件、音视频基础、测试、基础运维、DevOps、操作系统、云计算厂商、自然语言处理、区块链、隐私计算、文档协作与知识管理、版本控制、项目管理与协作工具等多个领域,提供详尽的技术解析与实践指导。
Life Forms
Time Limit: 5000MS Memory Limit: 65536K
Total Submissions: 11322 Accepted: 3135

Description

You may have wondered why most extraterrestrial life forms resemble humans, differing by superficial traits such as height, colour, wrinkles, ears, eyebrows and the like. A few bear no human resemblance; these typically have geometric or amorphous shapes like cubes, oil slicks or clouds of dust.

The answer is given in the 146th episode of Star Trek - The Next Generation, titledThe Chase. It turns out that in the vast majority of the quadrant's life forms ended up with a large fragment of common DNA.

Given the DNA sequences of several life forms represented as strings of letters, you are to find the longest substring that is shared by more than half of them.

Input

Standard input contains several test cases. Each test case begins with 1 ≤ n ≤ 100, the number of life forms. n lines follow; each contains a string of lower case letters representing the DNA sequence of a life form. Each DNA sequence contains at least one and not more than 1000 letters. A line containing 0 follows the last test case.

Output

For each test case, output the longest string or strings shared by more than half of the life forms. If there are many, output all of them in alphabetical order. If there is no solution with at least one letter, output "?". Leave an empty line between test cases.

Sample Input

3
abcdefg
bcdefgh
cdefghi
3
xxx
yyy
zzz
0

Sample Output

bcdefg
cdefgh

?

Source

Waterloo Local Contest, 2006.9.30
给定 n 个字符串,求出现在不小于 k 个字符串中的最长子串。
算法分析:
将 n 个字符串连起来,中间用不相同的且没有出现在字符串中的字符隔开,
求后缀数组。然后二分答案,将后缀分成若干组,判断每组
的后缀是否出现在不小于 k 个的原串中。这个做法的时间复杂度为 O(nlogn)。

***唯一需要注意的便是如果要你按字典序上升输出,便应该以排名枚举height
#include <map>
#include <set>
#include <stack>
#include <queue>
#include <cmath>
#include <ctime>
#include <vector>
#include <cstdio>
#include <cctype>
#include <cstring>
#include <cstdlib>
#include <iostream>
#include <algorithm>
using namespace std;
#define INF 0x3f3f3f3f
#define inf -0x3f3f3f3f
#define lson l,m,rt<<1
#define rson m+1,r,rt<<1|1
#define mem0(a) memset(a,0,sizeof(a))
#define mem1(a) memset(a,-1,sizeof(a))
#define mem(a, b) memset(a, b, sizeof(a))
typedef long long ll;

const int maxn=200000+100;
int Belong[maxn];
int s[maxn];
int num,ansnum;
int ans[maxn];
bool vis[maxn];
char s1[maxn];
int sa[maxn],t[maxn],t2[maxn],c[maxn],n;
//构造字符串s的后缀数组,每个字符值必须为0~m-1
void build_sa(int m){
    int *x=t,*y=t2;
    //基数排序
    for(int i=0;i<m;i++)    c[i]=0;
    for(int i=0;i<n;i++)    c[x[i]=s[i]]++;
    for(int i=1;i<m;i++)    c[i]+=c[i-1];
    for(int i=n-1;i>=0;i--) sa[--c[x[i]]]=i;
    for(int k=1;k<=n;k<<=1){
        int p=0;
        //直接利用sa数组排序第二关键字
        for(int i=n-k;i<n;i++)  y[p++]=i;
        for(int i=0;i<n;i++)    if(sa[i]>=k)    y[p++]=sa[i]-k;
        //基数排序第一关键字
        for(int i=0;i<m;i++)    c[i]=0;
        for(int i=0;i<n;i++)    c[x[y[i]]]++;
        for(int i=1;i<m;i++)    c[i]+=c[i-1];
        for(int i=n-1;i>=0;i--) sa[--c[x[y[i]]]]=y[i];
        //根据sa和y计算新的x数组
        swap(x,y);
        p=1;
        x[sa[0]]=0;
        for(int i=1;i<n;i++)
            x[sa[i]]=y[sa[i-1]]==y[sa[i]]&&y[sa[i-1]+k]==y[sa[i]+k]?p-1:p++;
        if(p>=n)
            break;
        m=p;                //下次基数排序的最大值
    }
}
int rank1[maxn],height[maxn];

void getHeight(){
    int i,j,k=0;
    for(i=0;i<=n;i++)    rank1[sa[i]]=i;
    for(i=0;i<n;i++){
        if(k)
            k--;
        int j=sa[rank1[i]-1];
        while(s[i+k]==s[j+k])   k++;
        height[rank1[i]]=k;
    }
}

bool get_divid(int beg,int end1){
    int cnt=0;
    memset(vis,false,sizeof(vis));
    for(int i=beg;i<=end1;i++){ //排名
        if(vis[Belong[sa[i]]]==false){
            cnt++;
            vis[Belong[sa[i]]]=true;
            if(cnt>num/2)
                return true;
        }
    }
    return false;
}

bool check(int m){
    bool res=false;
    int beg=0,end1=0;
    for(int i=1;i<=n;i++){
        while(i<n&&height[i]>=m){
            i++;
            end1++;
        }
        if(end1-beg>=num/2){
            if(get_divid(beg,end1)){
                if(!res){
                    ansnum=0;
                    res=true;
                }
                ans[ansnum++]=beg;
            }
        }
        end1=beg=i;
    }
    if(end1-beg>=num/2){
        if(get_divid(beg,end1)){
            if(!res){
                ansnum=0;
                res=true;
            } 
            ans[ansnum++]=beg;
        }
    }
    return res;
}

int main(){
    int case1=0;
    while(scanf("%d",&num)!=EOF){
        if(num==0)
            break;
        if(case1!=0)
            printf("\n");
        case1++;
        int cnt=0;
        int num_case=1;
        int high=0;
        for(int i=0;i<num;i++){
            scanf("%s",s1);
            int len=strlen(s1);
            high=max(high,len);
            for(int j=0;j<len;j++){
                Belong[cnt]=i;
                s[cnt++]=s1[j]-'a'+110;
            }
            if(i!=num-1)
                s[cnt++]=num_case++;
        }
        s[cnt++]=0;
        n=cnt;
        build_sa(200);
        n--;
        getHeight();
        int max_len=0;
        int low=1;
        ansnum=0;
        while(high-low>=0){
            int mid=(high+low)>>1;
            if(check(mid)){
                low=mid+1;
                max_len=mid;
            }
            else
                high=mid-1;
        }
        if(ansnum==0)
            printf("?\n");
        else{
            for(int i=0;i<ansnum;i++){
                int j=sa[ans[i]];
                for(int k=0;k<max_len;k++)
                    printf("%c",s[j+k]-110+'a');
                printf("\n");
            }
        }
    }
    return 0;
}
/*
4
acbde
sadbxcvnasjkheg
cxbnmzbcasg
twyeuxabnscmd
*/




【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