TYVJ 1161 [聚会的名单]--Trie树

Trie树解决字符串匹配问题
本文介绍了一种使用Trie树(字典树)解决字符串匹配问题的方法。通过构建Trie树,可以高效地处理大量字符串的查找与匹配任务。文章详细展示了Trie树的构建过程,并提供了一个具体的Pascal代码实现示例。

今天下午有位童鞋写这个题用暴力得了50分,感觉十分不爽,于是过来找Kudo求救……碰巧旁边的JAF DTing……

于是他现学现卖,写了一个Trie树来解决~

[pascal 代码]

TYPE
        LZY=RECORD
                GOT:LONGINT;
                NEXT:ARRAY['a'..'z'] OF LONGINT;
        END;
VAR
        T:ARRAY[1..1000000]OF LZY;
        S:STRING;
        N,M,I,TN,J,NOW:LONGINT;
PROCEDURE GETINTREE(S:STRING);
 VAR
        I,NOW:LONGINT;
 BEGIN
        NOW:=1;
        FOR I:=1 TO LENGTH(S) DO
        IF T[NOW].NEXT[S[I]]<>0 THEN NOW:=T[NOW].NEXT[S[I]] ELSE
                BEGIN
                        INC(TN);
                        T[TN].GOT:=0;
                        FILLCHAR(T[TN].NEXT,SIZEOF(T[TN].NEXT),0);
                        T[NOW].NEXT[S[I]]:=TN;
                        NOW:=TN;
                END;
        INC(T[NOW].GOT);
 END;
FUNCTION CHECK(S:STRING):LONGINT;
 VAR
        I,NOW:LONGINT;
 BEGIN
        NOW:=1;
        FOR I:=1 TO LENGTH(S) DO
        IF T[NOW].NEXT[S[I]]<>0 THEN NOW:=T[NOW].NEXT[S[I]] ELSE EXIT(0);
        EXIT(T[NOW].GOT);
 END;
BEGIN
        TN:=1;
        T[1].GOT:=0;
        FILLCHAR(T[1].NEXT,SIZEOF(T[1].NEXT),0);
        READLN(N);
        FOR I:=1 TO N DO
                BEGIN
                        READLN(S);
                        GETINTREE(S);
                END;
        READLN(M);
        FOR I:=1 TO M DO
                BEGIN
                        READLN(S);
                        WRITELN(CHECK(S));
                END;
END.

转载于:https://www.cnblogs.com/FreeDestiny/archive/2011/10/28/2228064.html

内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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  | 博主筛选后可见
 
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