[BZOJ4310] 跳蚤 SAM || SA

探讨使用SAM、SA及后缀三姐妹解决字符串中特定字串查找与比较的问题,涉及二分搜索、字符串哈希、LCP计算等算法。

没有代码的。

传送门

先二分出第 m i d mid mid 大的字串 s s s,然后从后往前切割,每次大于 s s s 了就不行。

涉及到的操作:求第 m i d mid mid 大子串;比较两个字串(求 l c p lcp lcp)。

SAM: m i d mid mid 大子串随便求。求 l c p lcp lcp

  • 二分+字符串哈希?莫名其妙多个 l o g log log,而且字符串哈希以前没实现过啊QAQ
  • 再建一个反串SAM在parent树上求LCA?太麻烦了吧。。而且用RMQ O ( 1 ) O(1) O(1) 求LCA也没实现过啊QAQ

SA:感觉挺好的,求第 m i d mid mid 大字串是模板, l c p lcp lcp 的话 h e i g h t height height 数组求个RMQ就行了。但我没实现过啊????

后缀三姐妹都可以搞,但我啥都搞不出来??
自闭了,我可活个什么劲儿,感觉随便写哪个都是调半天的节奏。。我还是继续当我的嘴巴口胡选手吧。。。

代码能力确实需要锻炼,没实现过的也要去实现一下。但现在还是先咕咕咕吧(大雾
(喂你怎么这么颓废!!)

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。通过体素网格建模、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
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