KMP

本文深入探讨了KMP算法的原理与应用,通过详细解释Next数组的构建过程,展示了如何高效地进行字符串匹配。文章提供了完整的C++代码示例,并对比了不同版本的失败函数实现,有助于读者理解并掌握KMP算法的核心思想。

KMP

标签(空格分隔): Data-Structure


照着金叔课本来的,因为看了其他各种版本,各种混乱

8.15 普通解法

#include <iostream>
#include <cstring>

using namespace std;

//textbook, the regular solution
void getNext(const char *s, int next[])
{
    int len = strlen(s);
    int j = 1,i = -1;
    next[0] = -1;
    while(j < len){
        i = next[j-1];
        while((i>=0) && (s[j]!=s[i+1]))
            i = next[i];

        if(s[j] == s[i+1])
            next[j] = i+1;
        else
            next[j] = -1;

        j++;
    }
}

int Find(const char *s, const char *pat, int next[])
{
    int i = 0, j = 0;
    int lenS = strlen(s), lenP = strlen(pat);
    cout<<lenS<<" "<<lenP<<endl;
    while((j < lenP) && (i < lenS)){//bug 写成了 i < lenS - lenP + 1
        if(s[i] == pat[j]){
            i++;
            j++;
        }
        else if(j == 0)
            i++;
        else{
            j = next[j-1] + 1;
        }
    }
    if(j <lenP || lenP == 0)
        return -1;
    else
        return (i - lenP);//完全匹配后 i 位于母串中子串序列的最后一个下标+1的位置

}
/* another book, tend to abandon
//void getNext(const char *s, int next[])
//{
//    int i = 0, j= -1;
//    next[0] = -1;
//    int len = strlen(s);
//    while(i < len){
//        if(j == -1 || s[i] == s[j])
//        {
//            ++i;
//            ++j;
//            next[i] = j;
//        }
//        else
//            j = next[j];
//    }
//} */
int main()
{
    const char *pat = "abcabcacab";
    const char *s = "abcdabceabcabcacab";
    int lengthP = strlen(s);
    //cout<<length<<endl;
    int next[lengthP];
    for(int i = 0; i<lengthP; i++)
    {
        next[i]=0;
        //cout<<next[i]<<" ";
    }
    getNext(s,next);
//    for(int i = 0; i<length; i++)
//    {
//        cout<<next[i]<<" ";
//    }
    cout<<Find(s, pat, next)<<endl;
    return 0;
}

还有改进的失败函数

转载于:https://www.cnblogs.com/Haeckel/p/3916042.html

数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究(Matlab代码实现)内容概要:本文围绕“数据驱动的两阶段分布鲁棒(1-范数和∞-范数约束)的电热综合能源系统研究”展开,提出了一种结合数据驱动与分布鲁棒优化方法的建模框架,用于解决电热综合能源系统在不确定性环境下的优化调度问题。研究采用两阶段优化结构,第一阶段进行预决策,第二阶段根据实际场景进行调整,通过引入1-范数和∞-范数约束来构建不确定集,有效刻画风电、负荷等不确定性变量的波动特性,提升模型的鲁棒性和实用性。文中提供了完整的Matlab代码实现,便于读者复现和验证算法性能,并结合具体案例分析了不同约束条件下系统运行的经济性与可靠性。; 适合人群:具备一定电力系统、优化理论和Matlab编程基础的研究生、科研人员及工程技术人员,尤其适合从事综合能源系统、鲁棒优化、不确定性建模等相关领域研究的专业人士。; 使用场景及目标:①掌握数据驱动的分布鲁棒优化方法在综合能源系统中的应用;②理解1-范数和∞-范数在构建不确定集中的作用与差异;③学习两阶段鲁棒优化模型的建模思路与Matlab实现技巧,用于科研复现、论文写作或工程项目建模。; 阅读建议:建议读者结合提供的Matlab代码逐段理解算法实现细节,重点关注不确定集构建、两阶段模型结构设计及求解器调用方式,同时可尝试更换数据或调整约束参数以加深对模型鲁棒性的理解。
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