[SPOJ LCS]Longest Common Substring && 后缀自动机

本文详细介绍了SAM(Suffix Array with Modification)字符串匹配算法的实现原理及应用。通过C++代码展示了如何构建SAM树并利用其解决字符串匹配问题,包括关键步骤如节点扩展、回溯等。

又来码一遍模板题~.~

然后还码错啦 fa[nq] = fa[q] 打成了fa[nq] = p

#include<cstdio>  
#include<algorithm>  
#include<cstring>  
#include<iostream>  
#include<queue>  
#define SF scanf  
#define PF printf  
#define idx(c) (c-'a')  
using namespace std;  
typedef long long LL;  
const int MAXN = 250000;
int ncnt, last;    
struct SAM {
	int ch[MAXN*2+10][26], fa[MAXN*2+10], step[MAXN*2+10];
	int last, ncnt;
	SAM () { last = ++ncnt; }
	void extend(int c) {
		int p = last, np = last = ++ncnt;
		step[np] = step[p]+1;
		while(!ch[p][c] && p) ch[p][c] = np, p = fa[p];
		if(!p) fa[np] = 1;
		else {
			int q = ch[p][c], nq;
			if(step[q] == step[p]+1) fa[np] = q;
			else {
				nq = ++ncnt;
				step[nq] = step[p]+1;
				memcpy(ch[nq], ch[q], sizeof(ch[q]));
				fa[nq] = fa[q]; fa[q] = nq; fa[np] = nq;
				while(ch[p][c] == q && p) ch[p][c] = nq, p = fa[p];
			}
		}
	}
	void build(char *s) {
		int len = strlen(s);
		for(int i = 0; i < len; i++) extend(idx(s[i]));
	}
	void solve(char *s) { 
		int len = strlen(s);
		int cur = 0, ans = 0, u = 1;
		for(int i = 0; i < len; i++) {
			int c = idx(s[i]);
			if(ch[u][c]) {
				cur++;
				u = ch[u][c];
			}
			else {
				while(!ch[u][c] && u) u = fa[u];
				if(!u)
					u = 1, cur = 0;
				else 
					cur = step[u]+1, u = ch[u][c];
			}
			ans = max(ans, cur);
		}
		PF("%d\n", ans);
	}
} ac;
char s1[MAXN+10], s2[MAXN+10];
int main() {
	SF("%s%s", s1, s2);
	ac.build(s1);
	ac.solve(s2);
	return 0;
}


内容概要:本文介绍了一个基于MATLAB实现的无人机三维路径规划项目,采用蚁群算法(ACO)与多层感知机(MLP)相结合的混合模型(ACO-MLP)。该模型通过三维环境离散化建模,利用ACO进行全局路径搜索,并引入MLP对环境特征进行自适应学习与启发因子优化,实现路径的动态调整与多目标优化。项目解决了高维空间建模、动态障碍规避、局部最优陷阱、算法实时性及多目标权衡等关键技术难题,结合并行计算与参数自适应机制,提升了路径规划的智能性、安全性和工程适用性。文中提供了详细的模型架构、核心算法流程及MATLAB代码示例,涵盖空间建模、信息素更新、MLP训练与融合优化等关键步骤。; 适合人群:具备一定MATLAB编程基础,熟悉智能优化算法与神经网络的高校学生、科研人员及从事无人机路径规划相关工作的工程师;适合从事智能无人系统、自动驾驶、机器人导航等领域的研究人员; 使用场景及目标:①应用于复杂三维环境下的无人机路径规划,如城市物流、灾害救援、军事侦察等场景;②实现飞行安全、能耗优化、路径平滑与实时避障等多目标协同优化;③为智能无人系统的自主决策与环境适应能力提供算法支持; 阅读建议:此资源结合理论模型与MATLAB实践,建议读者在理解ACO与MLP基本原理的基础上,结合代码示例进行仿真调试,重点关注ACO-MLP融合机制、多目标优化函数设计及参数自适应策略的实现,以深入掌握混合智能算法在工程中的应用方法。
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