【bzoj3670】 [Noi2014]动物园

本文详细介绍了一种使用KMP算法寻找字符串中既是前缀也是后缀的子串个数的方法,并给出了具体的实现步骤与代码示例。

首先显然要用KMP把next先求出来
那么我们再考虑求一个cnt数组:表示可重叠的既是前缀又是后缀的子串个数
这个可以用递推求:cnt[x]=cnt[next[x]]+1,想想就明白了
那num又如何得到呢
num与cnt的区别就是不能重叠,也就是那个子串的长度不能超过原串的一半
那么从一个位置x一直往前跳next,跳到第一个小于等于x的一半的地方,记为pre[x],那么有num[x]=cnt[pre[x]]+1
显而易见吧
但是如果暴力跳next的话复杂度就不对了 不过我们注意到有这样的一个关系:pre[next[x]]<=pre[x]

利用这个单调性从后往前跳就可以了

#include <iostream>
#include <vector>
#include <algorithm>
#include <cstring>
#include <cstdio>
#include <cmath>
using namespace std;
typedef long long lol;
int gi(){
    int res=0,fh=1;char ch=getchar();
    while((ch>'9'||ch<'0')&&ch!='-')ch=getchar();
    if(ch=='-')fh=-1,ch=getchar();
    while(ch>='0'&&ch<='9')res=res*10+ch-'0',ch=getchar();
    return fh*res;
}
const int MAXN=1000010;
const int INF=1e9;
const int MOD=1e9+7;
char s[MAXN];
int next[MAXN],cnt[MAXN],num[MAXN],pre[MAXN];
bool vis[MAXN];
int main(){
    int T=gi();
    while(T--){
        scanf("%s",s+1);
        next[0]=next[1]=0;
        int l=strlen(s+1);
        for(int i=1;i<l;i++){
            int o=next[i];
            while(o&&s[i+1]!=s[o+1])o=next[o];
            next[i+1]=s[i+1]==s[o+1]?o+1:0;
        }
        cnt[0]=-1;
        for(int i=1;i<=l;i++)cnt[i]=cnt[next[i]]+1,vis[i]=0;
        for(int i=l;i;i--){
            if(vis[i])continue;
            int now,last=next[i];
            for(now=i;now;now=next[now]){
                vis[now]=1;
                while((last<<1)>now)last=next[last];
                pre[now]=last;
            }
        }
        lol ans=1;
        for(int i=1;i<=l;i++)ans=ans*(cnt[pre[i]]+2)%MOD;
        printf("%d\n",int(ans));
    }
    return 0;
}

 

转载于:https://www.cnblogs.com/yangjiyuan/p/5660724.html

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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