208. 实现 Trie (前缀树)

本文详细介绍了一种高效的数据结构——Trie(前缀树)的实现方法,包括insert、search和startsWith三个核心操作。通过具体示例展示了如何利用Trie存储和查找字符串,以及如何判断是否存在以特定前缀开头的单词。

问题

实现一个 Trie (前缀树),包含 insert, search, 和 startsWith 这三个操作。

例子

在这里插入图片描述

思路
在这里插入图片描述
在这里插入图片描述
children[0] 存 a, children[1] 存 b, children[2] 存 c… 依次类推。所以存的时候我们用当前字符减去 a ,从而得到相应的 children 下标。

  • 方法1
    $$

    $$

    统计每个单词出现的次数,代码的话只需要将 flag 改成 int 类型,然后每次插入的时候计数即可。

  • 方法2
    $$

    $$

代码

//方法1
class Trie {
    class TrieNode {
        TrieNode[] children = new TrieNode[26];
        //是否以该结点为结尾
        boolean flag = false;
        public TrieNode(){
            
        }
    }

    /** Initialize your data structure here. */
    TrieNode root = new TrieNode();
    public Trie() {
         
    }
    
    /** Inserts a word into the trie. */
    public void insert(String word) {
        TrieNode cur = root;
        for(int i=0; i<word.length(); i++){
            
            //如果字符不在trie树中,新建结点
            if(cur.children[word.charAt(i)-'a']==null)
                cur.children[word.charAt(i)-'a'] = new TrieNode();
            
            cur = cur.children[word.charAt(i)-'a'];
        }
        
        cur.flag = true;
    }
    
    /** Returns if the word is in the trie. */
    public boolean search(String word) {
        TrieNode cur = root;
        for(int i=0; i<word.length(); i++){
            if(cur.children[word.charAt(i)-'a']==null) return false;
            
            cur = cur.children[word.charAt(i)-'a'];
        }
        return cur.flag==true;
    }
    
    /** Returns if there is any word in the trie that starts with the given prefix. */
    public boolean startsWith(String prefix) {
        TrieNode cur = root;
        for(int i=0; i<prefix.length(); i++){
            if(cur.children[prefix.charAt(i)-'a']==null) return false;
            
            cur = cur.children[prefix.charAt(i)-'a'];
        }
        return true;
    }
}

//方法2

内容概要:本文围绕六自由度机械臂的人工神经网络(ANN)设计展开,重点研究了正向与逆向运动学求解、正向动力学控制以及基于拉格朗日-欧拉法推导逆向动力学方程,并通过Matlab代码实现相关算法。文章结合理论推导与仿真实践,利用人工神经网络对复杂的非线性关系进行建模与逼近,提升机械臂运动控制的精度与效率。同时涵盖了路径规划中的RRT算法与B样条优化方法,形成从运动学到动力学再到轨迹优化的完整技术链条。; 适合人群:具备一定机器人学、自动控制理论基础,熟悉Matlab编程,从事智能控制、机器人控制、运动学六自由度机械臂ANN人工神经网络设计:正向逆向运动学求解、正向动力学控制、拉格朗日-欧拉法推导逆向动力学方程(Matlab代码实现)建模等相关方向的研究生、科研人员及工程技术人员。; 使用场景及目标:①掌握机械臂正/逆运动学的数学建模与ANN求解方法;②理解拉格朗日-欧拉法在动力学建模中的应用;③实现基于神经网络的动力学补偿与高精度轨迹跟踪控制;④结合RRT与B样条完成平滑路径规划与优化。; 阅读建议:建议读者结合Matlab代码动手实践,先从运动学建模入手,逐步深入动力学分析与神经网络训练,注重理论推导与仿真实验的结合,以充分理解机械臂控制系统的设计流程与优化策略。
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