hdu 1251 统计难题

题目链接: 点我点我~

统计难题

Time Limit: 4000/2000 MS (Java/Others)    Memory Limit: 131070/65535 K (Java/Others)
Total Submission(s): 18175    Accepted Submission(s): 7957


Problem Description
Ignatius最近遇到一个难题,老师交给他很多单词(只有小写字母组成,不会有重复的单词出现),现在老师要他统计出以某个字符串为前缀的单词数量(单词本身也是自己的前缀).
 

Input
输入数据的第一部分是一张单词表,每行一个单词,单词的长度不超过10,它们代表的是老师交给Ignatius统计的单词,一个空行代表单词表的结束.第二部分是一连串的提问,每行一个提问,每个提问都是一个字符串.

注意:本题只有一组测试数据,处理到文件结束.
 

Output
对于每个提问,给出以该字符串为前缀的单词的数量.
 

Sample Input
      
      
banana band bee absolute acm ba b band abc
 

Sample Output
      
      
2 3 1 0
 
  题意:找出同样前缀的字符串个数,输出;
   该题是一道标准的用字典树的题目,字典树就是由字符组成的一棵树.

只要给每个节点赋上支路数,就可以表示同样的前缀字符串个数了。

套了模板。。。。。
#include <cstdio>
#include <iostream>
#include <cstring>
using namespace std;

struct node 
{
	struct node *br[26];
	int num;
};

node *root;

void trie_init()//字典树清空
{
	root=new node;
	root->num=0;
	for(int i=0;i<26;i++)
	{
		root->br[i]=NULL;
	}
}

void trie_insert(char str[])//加入字典树
{
	int len=strlen(str);
	node *s=root;
	for(int i=0;i<len;i++)
	{
		int id=str[i]-'a';
		if(s->br[id]==NULL)
		{
			node *t=new node;
			for(int j=0;j<26;j++)
			{
				t->br[j]=NULL;
			}
			t->num=0;
			s->br[id]=t; 
		}
		s=s->br[id];
		s->num++;
	}
}

int trie_find(char str[])//在字典树中查找
{
	int len=strlen(str);
	node *s;
	s=root;
	int count=0;
	for(int i=0;i<len;i++)
	{
		int id=str[i]-'a';
		if(s->br[id]==NULL)
			return 0;
		else
		{
			s=s->br[id];
			count=s->num;
		}
	}
	return count;
}

int main()
{
	char str[15];
	trie_init();
	while(gets(str),strcmp(str,""))
	{
		trie_insert(str);
	}
	while(gets(str))
	{
		int res=trie_find(str);
		printf("%d\n",res);
	}
	return 0;
}


基于python实现的粒子群的VRP(车辆配送路径规划)问建模求解+源码+项目文档+算法解析,适合毕业设计、课程设计、项目开发。项目源码已经过严格测试,可以放心参考并在此基础上延申使用,详情见md文档 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问时比较容易实现,而在VRP问上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。 算法设计的关键在于如何向表现较好的个体学习,标准粒子群算法引入惯性因子w、自我认知因子c1、社会认知因子c2分别作为自身、当代最优解和历史最优解的权重,指导粒子速度和位置的更新,这在求解函数极值问时比较容易实现,而在VRP问上,速度位置的更新则难以直接采用加权的方式进行,一个常见的方法是采用基于遗传算法交叉算子的混合型粒子群算法进行求解,这里采用顺序交叉算子,对惯性因子w、自我认知因子c1、社会认知因子c2则以w/(w+c1+c2),c1/(w+c1+c2),c2/(w+c1+c2)的概率接受粒子本身、当前最优解、全局最优解交叉的父代之一(即按概率选择其中一个作为父代,不加权)。
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