字典树入门基础题 南阳oj 290

本文介绍了一个使用字典树(Trie)来高效统计一组单词中出现频率最高的单词的方法。通过C语言实现,边构建字典树边记录单词出现次数,最终输出出现频率最高的单词及其频次。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

 这题非常基础,边创建字典树边找出出现次数最多的单词,然后记录下来,下面贴代码:

#include<stdio.h>
#include<stdlib.h>
#include<string.h>
struct node
{
	int count;
	struct node *next[26];
};
int max=0;
char ch[20];
node *init()
{
	node *p;
	p=(node*)malloc(sizeof(node));
	p->count=0;
	for(int i=0;i<26;i++)
	p->next[i]=NULL;
	return p;
}
void insert(node *root,char s[20])
{
	int i,t,len;
	node *p=root;
	len=strlen(s);
	for(i=0;i<len;i++)
	{
		t=s[i]-'a';
		if(p->next[t]==NULL)
		p->next[t]=init();
		p=p->next[t];
	}
	p->count++;
	if(p->count>max)
	{
		max=p->count;
		strcpy(ch,s);
	}
}
int main()
{
	int i,N;
	char s[20];
	scanf("%d",&N);
	node *root=init();
	for(i=0;i<N;i++)
	{
		scanf("%s",s);
		insert(root,s);
	}
	printf("%s %d\n",ch,max);
}


内容概要:该研究通过在黑龙江省某示范村进行24小时实地测试,比较了燃煤炉具与自动/手动进料生物质炉具的污染物排放特征。结果显示,生物质炉具相比燃煤炉具显著降低了PM2.5、CO和SO2的排放(自动进料分别降低41.2%、54.3%、40.0%;手动进料降低35.3%、22.1%、20.0%),但NOx排放未降低甚至有所增加。研究还发现,经济性和便利性是影响生物质炉具推广的重要因素。该研究不仅提供了实际排放数据支持,还通过Python代码详细复现了排放特征比较、减排效果计算和结果可视化,进一步探讨了燃料性质、动态排放特征、碳平衡计算以及政策建议。 适合人群:从事环境科学研究的学者、政府环保部门工作人员、能源政策制定者、关注农村能源转型的社会人士。 使用场景及目标:①评估生物质炉具在农村地区的推广潜力;②为政策制定者提供科学依据,优化补贴政策;③帮助研究人员深入了解生物质炉具的排放特征和技术改进方向;④为企业研发更高效的生物质炉具提供参考。 其他说明:该研究通过大量数据分析和模拟,揭示了生物质炉具在实际应用中的优点和挑战,特别是NOx排放增加的问。研究还提出了多项具体的技术改进方向和政策建议,如优化进料方式、提高热效率、建设本地颗粒厂等,为生物质炉具的广泛推广提供了可行路径。此外,研究还开发了一个智能政策建议生成系统,可以根据不同地区的特征定制化生成政策建议,为农村能源转型提供了有力支持。
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

打赏作者

长沙橘子猫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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