#kmp#洛谷 3435 OKR-Periods of Words

本文深入探讨了一种基于字符串匹配的算法实现,通过计算特定前缀的累积长度来优化字符串匹配过程。介绍了如何利用 fail 数组进行高效匹配,并通过示例代码展示了算法的具体实现方式。

题目

求字符串SSS的每个前缀BiB_iBi的可以成为后缀的前缀的总长度


分析

利用fail可知S[1...fail[i]]=S[i−fail[i]+1...i]S[1...fail[i]]=S[i-fail[i]+1...i]S[1...fail[i]]=S[ifail[i]+1...i],所以如果答案就是i-fail[i],为了优化,实时更新fail的值


代码

#include <cstdio>
using namespace std;
char s[1000001]; int n,fail[1000001],j;
int in(){
	int ans=0; char c=getchar();
	while (c<48||c>57) c=getchar();
	while (c>47&&c<58) ans=ans*10+c-48,c=getchar();
	return ans;
}
int main(){
    n=in(); long long ans=0;
    for (int i=1;i<=n;i++) s[i]=getchar();
    fail[1]=j=0;
    for (int i=2;i<=n;i++){//求fail数组
        while (j&&s[i]!=s[j+1]) j=fail[j];
        fail[i]=(j+=(s[i]==s[j+1]));
    }
    for (int i=2;i<=n;i++){
    	j=i;
    	while (fail[j]) j=fail[j];
    	if (fail[i]) fail[i]=j;
    	ans+=i-j;
    }
    return !printf("%lld",ans);
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
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