HDU 1880 魔咒词典(字符串hash)

利用双hash来存储,之后利用二分来查找,复杂度O(nlogn)。就是难写了点,可能使用lower_bound会好一点

#include <cstdio>
#include <cstring>
#include <algorithm>
using namespace std;
const int INF = 1e7+7;
#define N 101000
struct NODE
{
    char name[22];
    char spell[88];
}a[N];
struct haxi
{
    int x,y;
    int x1,y1;
    int num;
}b[N],d[N];
int a_len;
bool cmp(haxi a,haxi b)
{
    if(a.x==b.x)
        return a.y<b.y;
    else
        return a.x<b.x;
}
bool cmp1(haxi a,haxi b)
{
    if(a.x1==b.x1)
        return a.y1<b.y1;
    else
        return a.x1<b.x1;
}
haxi hash_fange(char *s,int len)
{
    int j;
    int tmp,tmp1;
    tmp=0;tmp1=0;
    for(j=0;j<len;j++)
    {
        tmp=tmp*131+s[j];
        tmp1=tmp1*141+s[j];
        tmp%=INF;tmp1%=INF;
    }
    haxi temp;
    temp.x=tmp;temp.y=tmp1;
    return temp;
}
void init()
{
    a_len=0;
    int i,len;
    char c;
    char tmp[100];
    while(scanf("%s",tmp)!=EOF)
    {
        if(tmp[0]=='@')
            break;
        else
        {
            len=strlen(tmp);
            for(i=1;i<len-1;i++)
                a[a_len].name[i-1]=tmp[i];
            a[a_len].name[len-2]='\0';
        }
        getchar();i=0;
        while((c=getchar())!='\n')
        {
            a[a_len].spell[i++]=c;
        }
        a[a_len].spell[i]='\0';
        a_len++;
    }
    //以上为输入//
    for(i=0;i<a_len;i++)
    {
        haxi temp;
        temp=hash_fange(a[i].name,strlen(a[i].name));
        d[i].x=temp.x;
        d[i].y=temp.y;
        temp=hash_fange(a[i].spell,strlen(a[i].spell));
        d[i].x1=temp.x;
        d[i].y1=temp.y;
        d[i].num=i;
        b[i]=d[i];
    }
    //以上为hash//
    sort(b,b+a_len,cmp);
    sort(d,d+a_len,cmp1);
}
void found(haxi x)
{
    int l=0,r=a_len-1,mid;
    while(l<=r)
    {
        mid=(l+r)/2;
        if(x.x==b[mid].x)
        {
            if(x.y<=b[mid].y)
            {
                if(x.y==b[mid].y)
                {
                    printf("%s\n",a[b[mid].num].spell);
                    return;
                }
                else
                    r=mid-1;
            }
            else
                l=mid+1;
        }
        else
        {
            if(x.x<b[mid].x)
                r=mid-1;
            else
                l=mid+1;
        }
    }
    printf("what?\n");
}
void found_1(haxi x)
{
    int l=0,r=a_len-1,mid;
    while(l<=r)
    {
        mid=(l+r)/2;
        if(x.x1==d[mid].x1)
        {
            if(x.y1<=d[mid].y1)
            {
                if(x.y1==d[mid].y1)
                {
                    printf("%s\n",a[d[mid].num].name);
                    return;
                }
                else
                    r=mid-1;
            }
            else
                l=mid+1;
        }
        else
        {
            if(x.x1<d[mid].x1)
                r=mid-1;
            else
                l=mid+1;
        }
    }
    printf("what?\n");
}
void solve()
{
    char s[110];
    char c;
    int n,len;
    haxi temp;
    scanf("%d",&n);
    getchar();
    while(n--)
    {
        c=getchar();
        if(c=='[')
        {
            scanf("%s",s);getchar();
            len=strlen(s);
            s[len-1]='\0';
            len--;
            temp=hash_fange(s,len);
            found(temp);
        }
        else
        {
            len=0;s[len++]=c;
            while((c=getchar())!='\n')
            {
                s[len++]=c;
            }
            s[len]='\0';
            temp=hash_fange(s,len);
            temp.x1=temp.x;
            temp.y1=temp.y;
            found_1(temp);
        }
    }
}
int main()
{
//    freopen("in.txt","r",stdin);
    init();
    solve();
//    for(int i=0;i<a_len;i++)
//        printf("%s %s\n",a[i].name,a[i].spell);
    return 0;
}

by:fange

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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