hdu6740 MUV LUV EXTRA KMP算法

本文介绍了一种使用KMP算法反向求解字符串循环节的方法,通过构建next数组找到字符串的循环规律,适用于特定的字符串匹配问题。文章提供了一个完整的C++代码实现,展示了如何利用KMP算法优化字符串搜索过程。

题解:反向用next数组求循环节(前i个字符的)即可。

题目:https://vjudge.net/problem/HDU-6740

#include<bits/stdc++.h>
#define ll long long
const int maxn=1e7+5;
char q[maxn];
char w[maxn];
int nex[maxn];
using namespace std;
void kmp()
{
    int len=strlen(w);
    int i=0,j=-1;
    nex[0]=-1;
    while(i<len)
    {
        if(j==-1||w[i]==w[j])
        {
            i++;
            j++;
            nex[i]=j;
        }
        else j=nex[j];
    }
}
int main()
{
    int a,b;
    while(~scanf("%d%d\n",&a,&b))
    {
        memset(nex,0,sizeof(nex));

        scanf("%s",q);
        int len=strlen(q);
        int cnt=0;
        for(int i=len-1; i>=0; i--)  ///反向
        {
            if(q[i]=='.')break;
            w[cnt++]=q[i];
        }
        kmp();
        ll ans=-0x3f3f3f3f;
        for(int i=1; i<=cnt; i++)
        {
            ll t=1ll*a*i-1ll*b*(i-nex[i]); ///i-nex【i】:找规律。

            ans=max(ans,t);
        }
        printf("%lld\n",ans);
    }

}

【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