CF1129C Morse Code

本文介绍了一种使用动态规划和后缀自动机(SAM)处理01字符串子串计数的问题。核心是维护一个01字符串,支持动态添加字符,并通过SAM实现子串判重,确保统计的本质不同子串数量准确无误。

pro:
维护一个01字符串,支持在结尾动态加字符。
每一个长度<=4的01串可以对应一个字母(有几个特例除外)
每次操作后询问,这个字符串的所有子串一共可以对应出多少种本质不同的字符串。

sol:
考虑dp。
dp[i][j]表示从i这个字符开始到当前倒数第j位这个01串,可以划分为多少不同的字符串。
每次只需要更新一下从1到i的每一个dp数组即可。
但时考虑本质不同这个问题。
显然每一种字母串对应唯一的01串。
因此我们只需要对相同的01子串只统计一次即可。
这里用SAM进行判重即可。

#include<bits/stdc++.h>
#define N 22000
#define L 20000
#define eps 1e-7
#define inf 1e9+7
#define db double
#define ll long long
#define ldb long double
using namespace std;
inline int read()
{
    char ch=0;
    int x=0,flag=1;
    while(!isdigit(ch)){ch=getchar();if(ch=='-')flag=-1;}
    while(isdigit(ch)){x=(x<<3)+(x<<1)+ch-'0';ch=getchar();}
    return x*flag;
}
const ll mo=1e9+7;
int f[N],id[N],dp[N][8];
int root=1,size=1,last=1;
struct node{int pos,len,lnk,nxt[2];}s[N];
void build(int k)
{
    int cur=++size,p=last;last=cur;
    s[cur].len=s[p].len+1;s[cur].pos=s[cur].len;
    while(p&&!s[p].nxt[k])s[p].nxt[k]=cur,p=s[p].lnk;
    if(!p){s[cur].lnk=root;return;}
    int q=s[p].nxt[k];
    if(s[q].len==s[p].len+1){s[cur].lnk=q;return;}
    else
    {
        int clone=++size;
        s[clone]=s[q];s[clone].len=s[p].len+1;
        while(p&&s[p].nxt[k]==q)s[p].nxt[k]=clone,p=s[p].lnk;
        s[q].lnk=s[cur].lnk=clone;
    }
}
int main()
{
    srand(time(0));
    int n=read(),ans=0;
    for(int i=1;i<=n;i++)f[i]=read(),build(f[i]);
    for(register int o=1;o<=n;o++)
    {
        id[o]=root;
        for(register int i=1;i<o;i++)
        {
            for(register int j=4;j>=1;j--)dp[i][j]=dp[i][j-1];dp[i][0]=0;
            for(register int j=1;j<=4;j++)if(o-i+1>=j)
            {
                if(j==4)
                {
                    if(f[o-3]==0&&f[o-2]==0&&f[o-1]==1&&f[o]==1)continue;
                    if(f[o-3]==0&&f[o-2]==1&&f[o-1]==0&&f[o]==1)continue;
                    if(f[o-3]==1&&f[o-2]==1&&f[o-1]==1&&f[o]==0)continue;
                    if(f[o-3]==1&&f[o-2]==1&&f[o-1]==1&&f[o]==1)continue;       
                }
                dp[i][0]=(dp[i][0]+dp[i][j])%mo;
            }
            int x=id[i];
            if(x!=-1){if(s[x].nxt[f[o]])x=s[x].nxt[f[o]];else x=-1;}
            if(x==-1||o==s[x].pos)ans=(ans+dp[i][0])%mo;id[i]=x;
        }
        dp[o][0]=dp[o][1]=1;
        int x=id[o];
        if(x!=-1){if(s[x].nxt[f[o]])x=s[x].nxt[f[o]];else x=-1;}
        if(x==-1||o==s[x].pos)ans=(ans+dp[o][0])%mo;id[o]=x;
        printf("%d\n",ans);
    }
    return 0;
}

转载于:https://www.cnblogs.com/Creed-qwq/p/10431532.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