牛客15334 Easygoing Single Tune Circulation

牛客15334 Easygoing Single Tune Circulation(后缀自动机+字典树)

https://ac.nowcoder.com/acm/problem/15334

题意:

给你n个字符串S,每个字符串 S i S_i Si都由小写字母组成且,每个字符仅出现一次。
再给你m个查询串,问你当前查询串 T T T是否是S中的某个字符串 S i S_i Si的旋律(即 S i + S i + S i + . . . S_i+S_i+S_i+... Si+Si+Si+...)的子串

题解:

首先考虑查询串 T T T的长度len,len不同的时候处理方式

  1. l e n < = ∣ S i ∣ len<=|S_i| len<=Si
    这种情况的时候如果是yes则是 S i + S i S_i+S_i Si+Si的一个子串
  2. l e n > ∣ S i ∣ len>|S_i| len>Si
    这种情况下T如果是 S i S_i Si的旋律的子串的话,T的前 ∣ S i ∣ |S_i| Si个字符一定能够通过 S i S_i Si循环移动得到。
    例如: T = a b c d , S = d a b c d a b c d a T=abcd ,S=dabcdabcda T=abcd,S=dabcdabcda S 1 − 4 = d a b c S_{1-4}=dabc S14=dabc能够循环移动得到为T

那么我们怎么做这题呢,对于第一种情况就可以直接在sam上做,对每个 S i S_i Si S i + S i S_i+S_i Si+Si建一个广义sam,查时候暴力走就好了。
如果第一种情况不满足,可以则需要考虑第二种情况。
知道第二种情况的结论,我们可以对 S i S_i Si的最小循环移动串建字典树。注意到有 S i S_i Si中每个字符一定会不一样,所以 ∣ S i ∣ < = 26 |S_i|<=26 Si<=26。我们只要暴力找到T第一个字符出现的第二个位置就可以直接把串取出来,这是把它的最小循环移动串丢进去字典树找一遍。如果在字典树里面,再按原串构造一遍和T比较一下就能判断对不对了。

代码:

#include<bits/stdc++.h>
using namespace std;
const int maxn=3e5+5;
const int mod=1e9+7;
#define pb push_back
#define fi first
#define se second
#define all(x) (x).begin(),(x).end()
#define rep(i,a,n) for (int i=a;i<=n;i++)
#define per(i,a,n) for (int i=n;i>=a;i--)
typedef long long ll;
typedef double db;
typedef vector<int> vi;
typedef pair<int,int> pii;
ll qpow(ll a,ll b){ll ans=1;a%=mod;assert(b>=0);for(;b;b>>=1){if(b&1)ans=ans*a%mod;a=a*a%mod;}return ans;}
ll gcd(ll a,ll b){return b>0?gcd(b,a%b):a;}
int n,m,T;
int a[maxn];
string s[maxn],t[maxn];
struct SAM{
	int nxt[maxn<<2][26];
	int link[maxn<<2];
	int step[maxn<<2];
	int sz,last,rt;
	void init(){
		sz=last=rt=1;
		memset(nxt[rt],0,sizeof nxt[rt]);
	}
	void add(int c){
		int np=++sz;
		int p=last;
		last=np;
		step[np]=step[p]+1;
		memset(nxt[np],0,sizeof nxt[np]);
		while(!nxt[p][c]&&p){
			nxt[p][c]=np;
			p=link[p];
		}
		if(p==0){
			link[np]=rt;
		}else{
			int q=nxt[p][c];
			if(step[q]==step[p]+1){
				link[np]=q;
			}else{
				int nq=++sz;
				memcpy(nxt[nq],nxt[q],sizeof nxt[q]);
				link[nq]=link[q];
				link[np]=link[q]=nq;
				step[nq]=step[p]+1;
				while(nxt[p][c]==q&&p){
					nxt[p][c]=nq;
					p=link[p];
				}
			}
		}
	}
	bool query(string s){
		for(int i=0,p=rt,c;i<s.size();i++){
			c=s[i]-'a';
			if(!nxt[p][c]) return 0;
			p=nxt[p][c];
		}
		return 1;
	}
}sam;
struct trie{
	int nxt[maxn<<1][26];
	int cnt[maxn<<1];
	int sz,rt;
	int newNode(){
		memset(nxt[sz],0,sizeof nxt[sz]);
		cnt[sz]=0;
		return sz++;
	}
	void init(){
		sz=0;
		rt=newNode();
	}
	void add(string s){
		int p=rt;
		for(auto cc:s){
			int c=cc-'a';
			if(!nxt[p][c]){
				nxt[p][c]=newNode();
			}
			p=nxt[p][c]; 
		}
		cnt[p]++;
	}
	bool query(string s){
		int p=rt; 
		for(int i=0,c;i<s.size();i++){
			c=s[i]-'a';
			if(!nxt[p][c]) return 0;
			p=nxt[p][c];
		}
		return cnt[p]>0;
	}
}tr;
string gao(string s){
	int c=30,idx=0;
	for(int i=0;i<s.size();i++){
		if(s[i]-'a'<c){
			c=s[i]-'a';
			idx=i;
		}
	}
	string t=s.substr(idx);
	t+=s.substr(0,idx);
	return t;
}
int main(){
	cin>>T;
	string tt;
	int kase=0;
	while(T--){
		cin>>n;
		sam.init();
		tr.init();
		for(int i=1;i<=n;i++){
			cin>>s[i];
			tt=gao(s[i]);
			tr.add(tt);
		}
		for(int i=1;i<=n;i++){
			sam.last=1;
			for(auto c:s[i]){
				sam.add(c-'a');
			}
			for(auto c:s[i]){
				sam.add(c-'a');
			}
		}
		cin>>m;
		string q,x,y;
		printf("Case #%d:\n",++kase);
		while(m--){
			cin>>q;
			if(sam.query(q)){
				cout<<"YES\n"; 
			}else{
				int pos=q.size();
				for(int i=1;i<q.size();i++){
					if(q[i]==q[0]){
						pos=i;
						break;
					}
				}
				x=q.substr(0,pos);
				y=gao(x);
//				cout<<y<<"\n";
				if(tr.query(y)){ 
					y="";
					for(int i=0;i<q.size();i++){
						y+=x[i%x.size()];
					}
					if(y==q){
						cout<<"YES\n";
					}else{
						cout<<"NO\n";
					}
				}else{
					cout<<"NO\n";
				}
			}
		}
	}
//	cin>>n;
//	cin>>n>>m;
	
	return 0;
}
/*
2
4
abcd
acd
ad
d
5
cda
ddddddd
dada
cda
acdca
4
abcd
acd
ad
d
6
dabcdabcdd 
cda
ddddddd
dada
cda
acdca
*/


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。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
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