【HDU3065】病毒侵袭持续中(AC自动机)

本文通过一个具体的编程问题,详细介绍了AC自动机的构建过程及其应用。针对一组字符串,利用AC自动机高效地统计出目标字符串中每个模式串出现的次数。文章提供了完整的C++实现代码,并对关键步骤进行了说明。

记录一个菜逼的成长。。

题目链接
题目大意:
给你n个只包含大写字母的字符串,最后一行给你一个字符串,问这个字符串分别包含每种字符串多少个。

要统计数量,而不是种数。

#include <bits/stdc++.h>
using namespace std;
#define cl(a,b) memset(a,b,sizeof(a))
typedef long long LL;
const int INF = 0x3f3f3f3f;
int c[1010];
struct Trie
{
    int next[50010][128],fail[50010],cnt[50010],num[50010];
    int root,L,id;
    int newnode()
    {
        for(int i = 0;i < 128;i++)
            next[L][i] = -1;
        cnt[L++] = 0;num[L-1] = 0;
        return L-1;
    }
    void init()
    {
        L = 0;id = 1;
        root = newnode();
    }
    void Insert(char buf[])
    {
        int len = strlen(buf);
        int now = root;
        for(int i = 0;i < len;i++)
        {
            if(next[now][buf[i]] == -1)
                next[now][buf[i]] = newnode();
            now = next[now][buf[i]];
        }
        cnt[now]++;num[now] = id++;
    }
    void build()
    {
        queue<int>Q;
        fail[root] = root;
        for(int i = 0;i < 128;i++)
            if(next[root][i] == -1)
                next[root][i] = root;
            else
            {
                fail[next[root][i]] = root;
                Q.push(next[root][i]);
            }
        while( !Q.empty() )
        {
            int now = Q.front();
            Q.pop();
            for(int i = 0;i < 128;i++)
                if(next[now][i] == -1)
                    next[now][i] = next[fail[now]][i];
                else
                {
                    fail[next[now][i]]=next[fail[now]][i];
                    Q.push(next[now][i]);
                }
        }
    }
    int query(char buf[])
    {
        int len = strlen(buf);
        int now = root;
        int res = 0;
        for(int i = 0;i < len;i++)
        {
            now = next[now][buf[i]];
            int temp = now;
            while( temp != root )
            {
                if(cnt[temp]){
                    c[num[temp]] += cnt[temp];
                }
                res += cnt[temp];
                //cnt[temp] = 0;
                temp = fail[temp];
            }
        }
    }
};
const int maxn = 2000000 + 10;
char str[maxn],s[1010][55];
Trie ac;
int main()
{
    int n;
    while(~scanf("%d",&n)){
        ac.init();
        cl(c,0);
        for( int i = 1; i <= n; i++ ){
            scanf("%s",s[i]);
            ac.Insert(s[i]);
        }
        ac.build();
        scanf("%s",str);
        ac.query(str);
        for( int i = 1; i <= n; i++ ){
            if(c[i])printf("%s: %d\n",s[i],c[i]);
        }
    }
    return 0;
}
内容概要:本文提出了一种基于融合鱼鹰算法和柯西变异的改进麻雀优化算法(OCSSA),用于优化变分模态分解(VMD)的参数,进而结合卷积神经网络(CNN)与双向长短期记忆网络(BiLSTM)构建OCSSA-VMD-CNN-BILSTM模型,实现对轴承故障的高【轴承故障诊断】基于融合鱼鹰和柯西变异的麻雀优化算法OCSSA-VMD-CNN-BILSTM轴承诊断研究【西储大学数据】(Matlab代码实现)精度诊断。研究采用西储大学公开的轴承故障数据集进行实验验证,通过优化VMD的模态数和惩罚因子,有效提升了信号分解的准确性与稳定性,随后利用CNN提取故障特征,BiLSTM捕捉时间序列的深层依赖关系,最终实现故障类型的智能识别。该方法在提升故障诊断精度与鲁棒性方面表现出优越性能。; 适合人群:具备一定信号处理、机器学习基础,从事机械故障诊断、智能运维、工业大数据分析等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①解决传统VMD参数依赖人工经验选取的问题,实现参数自适应优化;②提升复杂工况下滚动轴承早期故障的识别准确率;③为智能制造与预测性维护提供可靠的技术支持。; 阅读建议:建议读者结合Matlab代码实现过程,深入理解OCSSA优化机制、VMD信号分解流程以及CNN-BiLSTM网络架构的设计逻辑,重点关注参数优化与故障分类的联动关系,并可通过更换数据集进一步验证模型泛化能力。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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