BZOJ3670 || 洛谷P2375 [NOI2014]动物园【KMP】

时空限制 1000ms / 128MB

题目描述

KMP算法只能求出next数组。我现在希望求出一个更强大num数组一一对于字符串S的前i个字符构成的子串,既是它的后缀同时又是它的前缀,并且该后缀与该前缀不重叠,将这种字符串的数量记作num[i]。
例如S为aaaaa,则num[4] = 2。这是因为S的前4个字符为aaaa,其中a和aa都满足性质‘既是后缀又是前缀’,同时保证这个后缀与这个前缀不重叠。而aaa虽然满足性质‘既是后缀又是前缀’,但遗憾的是这个后缀与这个前缀重叠了,所以不能计算在内。同理, n u m [ 1 ] = 0 , n u m [ 2 ] = n u m [ 3 ] = 1 , n u m [ 5 ] = 2 num[1] = 0,num[2] = num[3] = 1,num[5] = 2 num[1]=0,num[2]=num[3]=1,num[5]=2

最后,园长给出了奖励条件,第一个做对的同学奖励巧克力一盒。听了这句话,睡了一节课的企鹅立刻就醒过来了!但企鹅并不会做这道题,于是向参观动物园的你寻求帮助。你能否帮助企鹅写一个程序求出num数组呢?

特别地,为了避免大量的输出,你不需要输出num[i]分别是多少,你只需要输出所有(num[i]+1)的乘积,对1,000,000,007取模的结果即可。

输入格式:

第1行仅包含一个正整数n ,表示测试数据的组数。
随后n行,每行描述一组测试数据。每组测试数据仅含有一个字符串S,S的定义详见题目描述。数据保证S 中仅含小写字母。输入文件中不会包含多余的空行,行末不会存在多余的空格。

输出格式:

包含 n 行,每行描述一组测试数据的答案,答案的顺序应与输入数据的顺序保持一致。对于每组测试数据,仅需要输出一个整数,表示这组测试数据的答案对 1,000,000,007 取模的结果。输出文件中不应包含多余的空行。


题目分析

假如不考虑不能重叠的条件,求出 S S S n x t nxt nxt数组
把每个 i i i变成 0 0 0需要进行的 i = n x t [ i ] i=nxt[i] i=nxt[i]迭代次数 累乘即为答案
这启发我们记录 c n t [ i ] cnt[i] cnt[i] i i i经过几次 i = n x t [ i ] i=nxt[i] i=nxt[i]迭代会变成 0 0 0

现在考虑不能重叠
对于每个 i i i,我们需要找到一个最大的满足条件的 j j j,累乘所有 c n t [ j ] cnt[j] cnt[j]为答案
假如每次重置 j = i j=i j=i开始 j = n x t [ j ] j=nxt[j] j=nxt[j]迭代,显然会有近似 O ( n 2 ) O(n^2) O(n2)的复杂度

这里需要类比求KMP求 n x t nxt nxt的操作来找这个 j j j
其实只是比KMP多加一个判断不重叠的条件而已

int j=0; lt ans=1;
for(int i=2;i<=len;++i)
{
    while(j>0&&ss[i]!=ss[j+1]) j=nxt[j];
    if(ss[j+1]==ss[i]){ j++; while((j<<1)>i) j=nxt[j];}
    int num=j?cnt[j]+1:0;
    ans=ans*(num+1)%mod;
}

#include<iostream>
#include<cstdio>
#include<cmath>
#include<queue>
#include<algorithm>
#include<cstring>
using namespace std;
typedef long long lt;

int read()
{
    int f=1,x=0;
    char ss=getchar();
    while(ss<'0'||ss>'9'){if(ss=='-')f=-1;ss=getchar();}
    while(ss>='0'&&ss<='9'){x=x*10+ss-'0';ss=getchar();}
    return f*x;
}

const int mod=1e9+7;
const int maxn=1000010;
int Q,nxt[maxn],cnt[maxn];
char ss[maxn];

void qnxt(char* a,int len)
{
    int j=0; nxt[1]=0; cnt[1]=0;
    for(int i=2;i<=len;++i)
    {
        while(j>0&&a[i]!=a[j+1]) j=nxt[j];
        if(a[j+1]==a[i]) ++j,cnt[i]=cnt[j]+1;
        else cnt[i]=0; nxt[i]=j;
    }
}

int main()
{
    Q=read();
    while(Q--)
    {
        scanf("%s",ss+1);
        int len=strlen(ss+1);
        qnxt(ss,len);
        
        int j=0; lt ans=1;
        for(int i=2;i<=len;++i)
        {
            while(j>0&&ss[i]!=ss[j+1]) j=nxt[j];
            if(ss[j+1]==ss[i]){ j++; while((j<<1)>i) j=nxt[j];}
            int num=j?cnt[j]+1:0;
            ans=ans*(num+1)%mod;
        }
        printf("%lld\n",ans);
    }
    return 0;
}
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