新闻详情

新闻详情

首页 / 资讯中心 / 详情

【题解-洛谷】P1481 魔族密码

发布时间:2026/11/16 13:43:56来源:尧图网络
【题解-洛谷】P1481 魔族密码
P1481 魔族密码题目背景风之子刚走进他的考场就……花花当当当当~~偶是魅力女皇——花花^^华丽出场礼炮鲜花风之子我呕……杀死人的眼神快说题目否则……-_-###题目描述花花……咦好冷我们现在要解决的是魔族的密码问题自我陶醉搞不好魔族里面还会有人用密码给我和菜虫写情书咧哦活活当然是给我的比较多拉*_*。魔族现在使用一种新型的密码系统。每一个密码都是一个给定的仅包含小写字母的英文单词表每个单词至少包含111个字母至多757575个字母。如果在一个由一个词或多个词组成的表中除了最后一个以外每个单词都被其后的一个单词所包含即前一个单词是后一个单词的前缀则称词表为一个词链。例如下面单词组成了一个词链i\verb!i!iint\verb!int!intinteger\verb!integer!integer。但下面的单词不组成词链integer\verb!integer!integerintern\verb!intern!intern。现在你要做的就是在一个给定的单词表中取出一些词组成最长的词链就是包含单词数最多的词链。将它的单词数统计出来就得到密码了。风之子密码就是最长词链所包括的单词数阿……输入格式这些文件的格式是第一行为单词表中的单词数NNN1≤N≤20001 \le N \le 20001≤N≤2000下面每一行有一个单词按字典顺序排列中间也没有重复的单词。输出格式输出共一行一个整数表示密码。输入输出样例 #1输入 #15 i int integer intern internet输出 #14思路1看到全部是小写字母第一反应是trie树。思路是每插入一个单词就计算一下从第一个单词到当前这个单词的最长词链并更新答案。实现方法是插入单词的每个字符过程中记录遇到的每个节点的计数sum取最大值直到词尾将sum1记录进当前词尾节点的计数。代码如下#includebits/stdc.husingnamespacestd;constintN2000*80,M80;intn,tr[N][26],cnt[N],idx,ans;charstr[M];voidinser(chars[]){intp0;intsum0;for(inti0;s[i];i){intus[i]-a;if(!tr[p][u])tr[p][u]idx;if(cnt[p])summax(sum,cnt[p]);ptr[p][u];}cnt[p]sum1;ansmax(ans,cnt[p]);}intmain(){cinn;while(n--){cinstr;inser(str);}coutans;return0;}结果如下100分
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉