[spoj1812]Longest Common Substring II && 后缀自动机

本文详细介绍了一种利用后缀自动机解决字符串匹配问题的方法。首先通过构建后缀自动机来处理首个输入串,随后对每个后续串进行匹配并记录最长匹配长度。最终通过比较这些长度找出最大公共子串的长度。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

对第一个串建立后缀自动机

然后之后的每一个串放上去跑 记录每一个节点当前串匹配的最大长度

然后在每一个节点的最大长度为所有串匹配的最大长度的最小值

最后再在这些最小值里面选一个最大值

#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 = 100000;
char s[MAXN+10];
int mn[MAXN*2+10], v[MAXN*2+10], sa[MAXN*2+10], n, mx[MAXN*2+10];
int len[MAXN*2+10];
int ch[MAXN*2+10][26], fa[MAXN*2+10], step[MAXN*2+10];
int last, ncnt;
struct SAM {
	
	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[nq]));  
                fa[nq] = fa[q]; fa[np] = fa[q] = nq;  
                while(ch[p][c] == q && p) ch[p][c] = nq, p = fa[p];  
            }  
        }  
	}
	void build() {
		SF("%s", s);
		n = strlen(s);
		for(int i = 0; i < n; i++) 
			extend(idx(s[i]));
	}
	bool solve() {
		if(SF("%s", s) == EOF) return false;
		int u = 1, Len = strlen(s), cur = 0;
		memset(mx, 0, sizeof(mx));
		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];
				}
			}
			mx[u] = max(mx[u], cur);
		}
		for(int i = ncnt; i; i--) {
			u = sa[i];
			mn[u] = min(mn[u], mx[u]);
			if(mx[u] && fa[u]) mx[fa[u]] = step[fa[u]];
		}
		return true;
	}
} ac;
int main() {
	ac.build();
	for(int i = 1; i <= ncnt; i++)
		mn[i] = step[i];
	for(int i = 1; i <= ncnt; i++) 
		v[step[i]]++;
	for(int i = 1; i <= n; i++) v[i] += v[i-1];
	for(int i = 1; i <= ncnt; i++)
		sa[v[step[i]]--] = i;
	while(ac.solve())
		;
	int ans = 0;
	for(int i = 1; i <= ncnt; i++)
		ans = max(ans, mn[i]);
	PF("%d\n", ans);
}


内容概要:文章基于4A架构(业务架构、应用架构、数据架构、技术架构),对SAP的成本中心和利润中心进行了详细对比分析。业务架构上,成本中心是成本控制的责任单元,负责成本归集与控制,而利润中心是利润创造的独立实体,负责收入、成本和利润的核算。应用架构方面,两者都依托于SAP的CO模块,但功能有所区分,如成本中心侧重于成本要素归集和预算管理,利润中心则关注内部交易核算和获利能力分析。数据架构中,成本中心与利润中心存在多对一的关系,交易数据通过成本归集、分摊和利润计算流程联动。技术架构依赖SAP S/4HANA的内存计算和ABAP技术,支持实时核算与跨系统集成。总结来看,成本中心和利润中心在4A架构下相互关联,共同为企业提供精细化管理和决策支持。 适合人群:从事企业财务管理、成本控制或利润核算的专业人员,以及对SAP系统有一定了解的企业信息化管理人员。 使用场景及目标:①帮助企业理解成本中心和利润中心在4A架构下的运作机制;②指导企业在实施SAP系统时合理配置成本中心和利润中心,优化业务流程;③提升企业对成本和利润的精细化管理水平,支持业务决策。 其他说明:文章不仅阐述了理论概念,还提供了具体的应用场景和技术实现方式,有助于读者全面理解并应用于实际工作中。
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