HDU 3068 最长回文 Manacher算法

本文介绍了一个高效的O(n)算法——Manacher算法,用于解决回文串问题。通过在原字符串中插入特定字符来统一所有字符中心,并利用回文串的对称性质减少计算量,实现快速查找最长回文子串。

Manacher算法是个解决Palindrome问题的O(n)算法,可以说是个超级算法了,秒杀其他一切Palindrome解决方案,包括复杂的后缀数组。


网上很多解释,最好的解析文章当然是Leetcode的了:http://leetcode.com/2011/11/longest-palindromic-substring-part-ii.html


这里总结一下思想重点:


1 原字符串的字符间插入新的字符, 如#,方便统一所有的字符中心,比如aa和aba的字符中心不一样的,aa的字符中心可以说是aa,而aba的中心则是b,而插入#之后,aa成#a#a#,其中心是一个字符#,而aba插入#a#b#a#,中心还是一个字符b。


2 充分利用前面已经计算出的信息来计算后面的信息,这里主要利用palindrome的对称性的特性,那么就可以利用对称中心前半段的信息计算后半段的信息了。这个是优化算法到O(n)的关键。 因为对称中心是不断右移的,故此在对称中心内的求解只需直接copy前半段的信息就可以,而超出当前对称范围的就需要expand Palindrome了。


3 防止溢出,前面加一个额外的特殊字符,如'~',和前面的插入字符不一样。后面也需要插入字符,但是为什么很多程序不插入字符呢?那是因为C++的char都是以'\0'结束的,故此,不插入也是可以的,下面程序明显插入'\0'到结尾了。


4 需要维护最右点信息,中心信息和P数组,P数组的含义是以i点为中心的最长palindrome子字符串的长度,这里是长度+1,方便计算。


关键代码就几行,但是思想却是十分难的。


#include <stdio.h>
#include <string.h>

const int MAX_2L = 220010;
char txt[MAX_2L];
int P[MAX_2L];
int len;
inline int min(int a, int b) { return a < b? a : b; }
inline int max(int a, int b) { return a > b? a : b; }

void preProcess()
{
	len = strlen(txt);
	int i = len-1, j = (len<<1);
	txt[j+2] = '\0';
	txt[j+1] = '#';
	for ( ; i >= 0; i--)
	{
		txt[j--] = txt[i];
		txt[j--] = '#';
	}
	txt[0] = '~';
}

int main()
{
	while (gets(txt))
	{
		preProcess();
		len = len << 1 | 1;
		int maxLen = 0, right = 0, center = 0;
		for (int i = 1; i <= len; i++)
		{
			P[i] = i<right ? min(P[(center<<1)-i], right-i) : 1;
			while (txt[i-P[i]] == txt[i+P[i]]) P[i]++;

			maxLen = max(maxLen, P[i]);

			if (right < i+P[i]) center = i, right = i+P[i];
		}
		printf("%d\n", maxLen-1);

		gets(txt); //get rid of empty line
	}
	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