hdu 1251

本文介绍了一个使用Trie树解决单词前缀统计问题的简单实例。通过构建Trie树并插入一系列由小写字母组成的单词,可以高效地查询以特定字符串作为前缀的单词数量。

统计难题

Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 131070/65535 K (Java/Others)
Total Submission(s): 19952    Accepted Submission(s): 8749


Problem Description
Ignatius最近遇到一个难题,老师交给他很多单词(只有小写字母组成,不会有重复的单词出现),现在老师要他统计出以某个字符串为前缀的单词数量(单词本身也是自己的前缀).
 

Input
输入数据的第一部分是一张单词表,每行一个单词,单词的长度不超过10,它们代表的是老师交给Ignatius统计的单词,一个空行代表单词表的结束.第二部分是一连串的提问,每行一个提问,每个提问都是一个字符串.

注意:本题只有一组测试数据,处理到文件结束.
 

Output
对于每个提问,给出以该字符串为前缀的单词的数量.
 

Sample Input
banana band bee absolute acm ba b band abc
 

Sample Output
2 3 1 0




题意:简单的Trie 树模板

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cstdlib>
#define maxn 26
using namespace std;
typedef struct TrieNode
{
    int v;
    struct TrieNode *next[maxn];
}Trie;
void insert(Trie *root,char *s)
{
    Trie *p=root;
    while(*s!='\0')
    {
        if(p->next[*s-'a']==NULL)
        {
            Trie *temp=(Trie *)malloc(sizeof(Trie));
            for(int i=0;i<maxn;i++)
            temp->next[i]=NULL;
            temp->v=1;
            p->next[*s-'a']=temp;
            p=p->next[*s-'a'];
        }
        else
        {
            p=p->next[*s-'a'];
            p->v++;
        }
        s++;
    }
}
int search(Trie *root,char *s)
{
    Trie *p=root;
    while(*s!='\0')
    {
        if(p->next[*s-'a']==NULL)
        {
            return 0;
        }
        else
        {
            p=p->next[*s-'a'];
            s++;
        }
    }
    return p->v;
}
void del(Trie *root)
{
    int i;
    for(i=0;i<maxn;i++)
    {
        if(root->next[i]!=NULL)
        {
            del(root->next[i]);
        }
    }
    free(root);
}
int main()
{
    char s[100];
    Trie *root=(Trie *)malloc(sizeof(Trie));
    for(int i=0;i<maxn;i++)
    root->next[i]=NULL;
    root->v=0;
    while(gets(s)&&s[0]!='\0')
    {
        insert(root,s);
    }
    //memset(s,0,sizeof(s));
    while(gets(s))
    {
        cout<<search(root,s)<<endl;
    }
    del(root);
    return 0;
}


内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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