bzoj 5073: [Lydsy1710月赛]小A的咒语 后缀数组+dp

本文介绍了一种优化的字符串匹配算法,通过使用后缀数组和LCP(最长公共前缀)来实现快速匹配。该算法能在O(1)的时间复杂度内完成转移,适用于大规模字符串的匹配任务。

题目大意:
给出一个长度为nnn的字符串AAA和一个长度为mmm的字符串BBB。询问是否能从AAA中取出不多于kkk段,使得这些段按原来顺序拼接可以变成字符串BBB。多组数据。
m≤n≤105m≤n≤10^5mn105k≤100k≤100k100T≤10T≤10T10

分析:
我们设f[i][j]f[i][j]f[i][j]表示用AAA的前iii个字符,取出jjj段,可以拼出的BBB的最长前缀长度。
考虑顺推,两种转移,
f[i+1][j]=f[i][j]f[i+1][j]=f[i][j]f[i+1][j]=f[i][j]
f[i+d][j+1]=f[i][j]+df[i+d][j+1]=f[i][j]+df[i+d][j+1]=f[i][j]+d
其中,d=lcp(A.suf(i+1),B.suf(f[i][j]+1))d=lcp(A.suf(i+1),B.suf(f[i][j]+1))d=lcp(A.suf(i+1),B.suf(f[i][j]+1))
直接后缀数组就可以O(1)O(1)O(1)转移了。

代码:

/**************************************************************
    Problem: 5073
    User: ypxrain
    Language: C++
    Result: Accepted
    Time:22000 ms
    Memory:100716 kb
****************************************************************/
 
#include <iostream>
#include <cstdio>
#include <cmath>
#include <cstring>
 
const int maxn=2e5+7;
 
using namespace std;
 
int n,m,k,T,len;
int x[maxn],y[maxn],c[maxn],f[maxn][101],lg[maxn];
 
char s[maxn];
 
struct suffle_array{
    int h[maxn][20],rank[maxn],sa[maxn];
    void getsa()
    {
        memset(sa,0,sizeof(sa));
        memset(x,0,sizeof(x));
        memset(y,0,sizeof(y));
        int n=len,m=1000;
        for (int i=1;i<=m;i++) c[i]=0;
        for (int i=1;i<=n;i++) x[i]=s[i];
        for (int i=1;i<=n;i++) c[x[i]]++;
        for (int i=1;i<=m;i++) c[i]+=c[i-1];
        for (int i=n;i>0;i--) sa[c[x[i]]--]=i;
        for (int k=1;k<=n;k<<=1)
        {
            int num=0;
            for (int i=n-k+1;i<=n;i++) y[++num]=i;
            for (int i=1;i<=n;i++) if (sa[i]>k) y[++num]=sa[i]-k;
            for (int i=1;i<=m;i++) c[i]=0;
            for (int i=1;i<=n;i++) c[x[i]]++;
            for (int i=1;i<=m;i++) c[i]+=c[i-1];
            for (int i=n;i>0;i--) sa[c[x[y[i]]]--]=y[i],y[i]=0;
            swap(x,y);
            num=1;
            x[sa[1]]=1;
            for (int i=2;i<=n;i++)
            {
                if ((y[sa[i]]!=y[sa[i-1]]) || (y[sa[i]+k]!=y[sa[i-1]+k]))
                {
                    x[sa[i]]=++num;
                }
                else x[sa[i]]=num;
            }
            if (num>=n) break;
            m=num;
        }
        for (int i=1;i<=n;i++) rank[i]=x[i];
    }
    void getheight()
    {
        int n=len,k=0;
        for (int i=1;i<=n;i++)
        {
            if (k) k--;
            int j=sa[rank[i]-1];
            while ((i+k<=n) && (j+k<=n) && (s[i+k]==s[j+k])) k++;
            h[rank[i]][0]=k;
        }
        int c=1;
        for (int j=1;j<20;j++)
        {
            for (int i=1;i+2*c-1<=n;i++) h[i][j]=min(h[i][j-1],h[i+c][j-1]);
            c<<=1;
        }
    }
    int lcp(int x,int y)
    {
        x=rank[x],y=rank[y];
        if (x>y) swap(x,y);
        x++;
        int k=lg[y-x+1];
        return min(h[x][k],h[y-(1<<k)+1][k]);
    }
}A;
 
int main()
{
    for (int i=1;i<=2e5;i++) lg[i]=trunc(log(i+0.5)/log(2));
    scanf("%d",&T);
    while (T--)
    {
        scanf("%d%d%d",&n,&m,&k);
        scanf("%s",s+1);
        s[n+1]=' ';     
        scanf("%s",s+n+2);
        len=n+m+1;      
        A.getsa();
        A.getheight();
        memset(f,0,sizeof(f));
        for (int j=0;j<k;j++)
        {
            for (int i=0;i<n;i++)
            {
                if (f[i][j]==m) break;
                f[i+1][j]=max(f[i+1][j],f[i][j]);
                int d=A.lcp(i+1,f[i][j]+1+n+1);
                f[i+d][j+1]=max(f[i+d][j+1],f[i][j]+d);
            }
        }
        int ans=0;
        for (int j=1;j<=k;j++)
        {
            for (int i=1;i<=n;i++) ans=max(ans,f[i][j]);
        }
        if (ans==m) printf("YES\n");
               else printf("NO\n");
    }
}
内容概要:本文系统研究了基于分布式模型预测控制(DMPC)的多个固定翼无人机一致性控制问题,提出并实现了相应的Matlab仿真方案。通过建立固定翼无人机精确的动力学模型,结合分布式控制架构,采用模型预测控制策略,使多个无人机在无中央协调的情况下实现状态一致性,如位置、速度和航向的协同收敛。文中详尽阐述了系统建模、控制算法设计、一致性协议构建及Matlab代码实现过程,重点解决了通信延迟、局部信息交互受限以及动态环境适应性等关键技术难点,并通过大量仿真实验验证了该方法的有效性、鲁棒性与可扩展性。; 适合人群:具备一定现代控制理论基础和Matlab编程能力,从事自动化、航空航天、机器人学、集群智能或智能系统等相关领域的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于多无人机协同飞行、编队控制、集群作业与自主导航等实际场景;②服务于高校科研项目、课程设计、学位论文研究及工程原型开发,旨在深入掌握分布式控制与模型预测控制的融合机制与工程实现;③帮助读者复现已有算法成果,并为进一步研究复杂通信拓扑、障碍规避与任务分配等高级功能提供坚实基础。; 阅读建议:建议读者结合Matlab代码与文中的理论推导同步学习,动手搭建仿真模型,重点关注状态一致性收敛过程、代价函数设计与控制参数调优策略,同时可尝试拓展至不同初始条件、通信拓扑结构及外部干扰场景下的性能测试与分析。
内容概要:本文围绕基于蜣螂优化算法(DBO)的无线传感器网络(WSN)覆盖优化问题展开研究,旨在通过智能优化算法提升网络覆盖率与资源利用效率。研究采用Matlab进行算法实现,通过对传感器节点的部署位置进行全局寻优,最大化监测区域的覆盖范围并减少覆盖盲区。文中系统阐述了蜣螂优化算法的原理、WSN覆盖模型的构建、适应度函数的设计及仿真流程,并通过对比实验验证了DBO算法在收敛速度、优化精度和稳定性方面相较于传统优化方法的优越性。研究不仅提供了完整的代码实现,还探讨了算法在物联网、环境监测等实际场景中的应用潜力,突出了智能优化技术在解决复杂工程问题中的价值。; 适合人群:具备一定编程基础,熟悉Matlab编程环境,从事无线传感器网络、智能优化算法、物联网应用或相关领域研究的科研人员、工程技术人员及研究生。; 使用场景及目标:①解决无线传感器网络中节点部署导致的覆盖不均与资源浪费问题;②提升复杂环境下WSN的监测覆盖率与系统稳定性;③为智能优化算法在通信网络布局、环境监控、智慧农业等领域的工程应用提供可复现的技术范例; 阅读建议:建议结合提供的Matlab代码进行仿真实验,深入理解蜣螂优化算法的参数设置、迭代机制与收敛特性,同时可尝试将其迁移应用于其他组合优化问题如路径规划、任务调度或多目标优化中,以拓展算法的应用边界。
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