FZU 1926 填空(KMP)

本文介绍了一种利用Hash值与KMP算法解决文本填空查询问题的方法。通过将待查询字符串转换为Hash值,并针对空白字符采用特殊Hash值进行匹配,使用KMP算法在原文中高效查找。该方案适用于文本查询场景。
题目链接
题意

给你一篇由小写字母组成的文章,再给你一系列查询。
每次查询给你一系列由小写字母和_组成的字符串,_是要填空的区域,问能否根据文章填空,即填空后找到原文。

思路

将每个字符串转化为一个hash值,然后对要查找串的一系列hash值,在原文中用kmp查找,_ 转化为一个无冲突的hash值,比如 − 1 -1 1,kmp和求nxt数组时将 − 1 -1 1设为万能匹配即可。匹配成功即能填空

代码
#include <stdio.h>
#include <string.h>
using namespace std;

int Rd(int &a){return scanf("%d",&a);}
int rd(){int tmp; scanf("%d",&tmp); return tmp;}

int fq[1005], want[1005], nxt[1005];
char s[1005];

void getnxt(int len)
{
    nxt[1] = 0;
    int i = 1, j = 0;
    while(i <= len)
    {
        if(j == 0 || want[i] == want[j] || want[i] == -1 || want[j] == -1) nxt[++i] = ++j;
        else j = nxt[j];
    }
}

int kmp(int n, int m)
{
    int i = 1, j = 1;
    while(i <= n)
    {
        if(j == 0 || fq[i] == want[j] || want[j] == -1) ++i, ++j;
        else j = nxt[j];
        if(j == m+1) return 1;
    }
    return 0;
}

int main()
{
    for(int t = rd(), ca = 1; ca <= t; ++ca)
    {
        int tot = 0;
        while(scanf("%s",s), s[0] != '@')
        {
            int len = strlen(s);
            int tmp = 0;
            for(int i = 0; i < len; ++i)
            {
                tmp += s[i]-'a';
                tmp *= 26;
            }
            fq[++tot] = tmp;
        }
        int m = rd();
        printf("Case %d:\n",ca);
        while(m--)
        {
            int ind = 0;
            while(scanf("%s",s), s[0] != '@')
            {
                if(s[0] == '_')
                {
                    want[++ind] = -1;
                    continue;
                }
                int len = strlen(s);
                int tmp = 0;
                for(int i = 0; i < len; ++i)
                {
                    tmp += s[i]-'a';
                    tmp *= 26;
                }
                want[++ind] = tmp;
            }
            getnxt(ind);
            printf("%s\n",kmp(tot,ind)?"YES":"NO");
        }
    }
    return 0;
}
【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