2017 计蒜之道 初赛 第一场 阿里的天池任务(简单)

本文介绍了KMP算法的基本原理及实现过程,并通过一个具体的字符串匹配问题实例展示了如何使用KMP算法来提高搜索效率,避免了传统暴力匹配的缺陷。

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

题意:给你一个主串,和一个子串,求主串中子串出现的次数

思路:暴力算的时间复杂度太大,所以用kmp,

PS:刚开始做的时候只会暴力,后面学了KMP,给和我一样还不会KMP的小伙伴推荐两篇博客:http://blog.youkuaiyun.com/yutianzuijin/article/details/11954939/

                                                                                                      http://kb.cnblogs.com/page/176818/(推荐先看这个)


#include <iostream>
#include <cstdio>
#include <cstring>
using namespace std;

int Next[1000010];

void kmp(char *s1) //搭建Next数组
{
    int k = strlen(s1);
    Next[1] = 0;
    Next[0] = 0;
    for(int i = 2;i<=k;i++)
    {
        int j = i-1;
        Next[i] = 0;
        while(j>0)
        {
            if(s1[Next[j]]==s1[i-1])
            {
                Next[i] = Next[j]+1;
                break;
            }
            j = Next[j];
        }
    }
}

int main()
{
    int n,a,b,l,r;
    char str1[1000010],str2[1000010];
    scanf("%d%d%d%d%d",&n,&a,&b,&l,&r);
    scanf("%s",str1);
    kmp(str1);
    int w;
    for(int i = 0;i<n;i++)
    {
        if(i==0)
            w = b;
        else
        {
            w = (w+a)%n;
        }
        if(w>=l&&w<=r)
        {
            if(w%2==0)
                str2[i] = 'A';
            else
                str2[i] = 'T';

        }
        else
        {
            if(w%2==0)
                str2[i] = 'G';
            else
                str2[i] = 'C';
        }
    }
    int k = strlen(str1);
    int j = 0,i = 0,ans = 0;
    while(i<n)
    {
        while(j>0&&str2[i]!=str1[j])
            j = Next[j];
        if(str2[i]==str1[j])
            j++;
        if(j==k)
        {
            ans++;
            j = Next[j];
        }
        i++;
    }
    printf("%d",ans);
    return 0;
}

### 关于2024百度之星初赛第一场的题目解析 目前尚未有官方发布的关于2024百度之星初赛第一场的具体题目解析文档被广泛传播或公开引用。然而,基于以往的比赛惯例以及社区讨论的内容[^1],可以推测该比赛通常涉及算法设、数据结构应用以及编程技巧等方面的知识。 #### 题目类型分析 根据过往几年百度之星竞赛的特点,其题目可能涵盖但不限于以下几个方面: - **字符串处理**:此类问题经常考察参赛者对于复杂模式匹配的理解能力,例如KMP算法的应用场景或者正则表达式的高效实现方法。 - **动态规划 (Dynamic Programming)**:这是解决最优化问题的一种重要手段,在许多比赛中都会出现。它通过把原问题分解成相对简单的子问题来求解复杂问题的方法[^2]。 - **图论(Graph Theory)**:包括但不限于最小生成树(MST),单源最短路径(SSSP)等问题都是常见考点之一。这些都需要扎实的基础理论支持才能快速找到最优解答方案[^3]。 以下是针对假设性的几类典型问题提供一些通用思路和技术要点说明: --- #### 字符串处理案例解析 如果遇到需要频繁查询某个特定字符序列是否存在的情况,则可考虑构建AC自动机来进行批量检索操作;而对于仅需判断两个字符串之间关系的任务来说,双指针技术往往能够满足需求并保持较低时间复杂度O(n)[^4]。 ```python def is_subsequence(s, t): it = iter(t) return all(char in it for char in s) # Example Usage: print(is_subsequence("abc", "ahbgdc")) # Output: True ``` --- #### 动态规划实例讲解 当面临背包问题变种或是区间覆盖等相关挑战时,定义状态转移方程至关重要。比如经典的一维数组形式dp[i]=max(dp[i], dp[j]+w(i,j))表示从前j项选取若干物品放入容量不超过i的情况下所能获得的最大价值总和[^5]。 ```python def knapsack(weights, values, capacity): n = len(values) dp = [0]*(capacity+1) for i in range(1,n+1): w,v=weights[i-1],values[i-1] for j in reversed(range(capacity+1)): if j >=w : dp[j]= max(dp[j], dp[j-w]+v ) return dp[-1] # Example Usage: weights=[2,3,4] values =[3,4,5] capacity=5 result=knapsack(weights,values,capacity) print(result) # Output:7 ``` --- #### 图论基础概念复习 在面对连通性验证或者是寻找关键节点这样的任务时,BFS/DFS遍历配合并查集Union-Find的数据结构通常是首选策略。它们能够在几乎线性时间内完成大规模网络拓扑属性算工作[^6]。 ```python from collections import defaultdict, deque class Graph: def __init__(self): self.graph = defaultdict(list) def addEdge(self,u,v): self.graph[u].append(v) self.graph[v].append(u) def BFS(self,start_vertex): visited=set() queue=deque([start_vertex]) while(queue): vertex=queue.popleft() if(vertex not in visited): visited.add(vertex) queue.extend(set(self.graph[vertex])-visited) return list(visited) g=Graph() edges=[[0,1],[0,2],[1,2],[2,3]] for u,v in edges:g.addEdge(u,v) res=g.BFS(2) print(res) #[2, 0, 1, 3] ``` 尽管以上只是部分可能涉及到的技术领域概述及其简单示例展示,但对于准备参加类似赛事的学习者而言已经具备相当指导意义了。
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