★ 算法OJ题 ★ 前缀和算法(下)

★ 算法OJ题 ★ 前缀和算法(下)

Ciallo~(∠・ω< )⌒☆ ~ 今天,将继续和大家一起做几道前缀和算法题 ~

❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️

澄岚主页:椎名澄嵐-ZEEKLOG博客

算法专栏:★ 优选算法100天 ★_椎名澄嵐的博客-ZEEKLOG博客

❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️❄️

目录

壹  和为k的子数组

1.1 题目

1.2 算法解析

1.3 撰写代码

贰  和可被K整除的子数组

2.1 题目

2.2 算法解析

2.3 撰写代码

叁  连续数组

3.1 题目

3.2 算法解析

3.3 撰写代码

肆  矩阵区域和

4.1 题目

4.2 算法解析

4.3 撰写代码


壹  和为k的子数组

1.1 题目

https://leetcode.cn/problems/subarray-sum-equals-k/description/

1.2 算法解析

1.3 撰写代码

class Solution { public: int subarraySum(vector<int>& nums, int k) { unordered_map<int , int> hash; // 记录前缀和出现次数 hash[0] = 1; int sum = 0, ret = 0; // sum记录前缀和 for (auto x : nums) { sum += x; // 计算当前位置的前缀和 if (hash.count(sum - k)) // 统计等于(sum[i] - k)个数 ret += hash[sum - k]; hash[sum]++; // 和为sum的前缀和次数++ } return ret; } };

贰  和可被K整除的子数组

2.1 题目

974. 和可被 K 整除的子数组 - 力扣(LeetCode)

2.2 算法解析

2.3 撰写代码

class Solution { public: int subarraysDivByK(vector<int>& nums, int k) { unordered_map<int, int> hash; hash[0 % k] = 1; int sum = 0, ret = 0; for (auto x : nums) { sum += x; // 算出当前位置的前缀和 int r = (sum % k + k) % k; // 修正后的余数 if (hash.count(r)) ret += hash[r]; // 统计结果 hash[r]++; } return ret; } };

叁  连续数组

3.1 题目

525. 连续数组 - 力扣(LeetCode)

3.2 算法解析

3.3 撰写代码

class Solution { public: int findMaxLength(vector<int>& nums) { unordered_map<int, int> hash; hash[0] = -1; // 默认有⼀个前缀和为 0 的情况 int sum = 0, ret = 0; for (int i = 0; i < nums.size(); i++) { int tmp = (nums[i] == 0 ? -1 : 1); // 计算当前位置的前缀和 sum += tmp; // 算出前缀和 if (hash.count(sum)) // 前面有同样的sum ret = max(ret, i - hash[sum]); // 算距离i - j else hash[sum] = i; // 前面没有同样的sum则更新下标 } return ret; } };


肆  矩阵区域和

4.1 题目

1314. 矩阵区域和 - 力扣(LeetCode)

4.2 算法解析

  

4.3 撰写代码

class Solution { public: vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) { int m = mat.size(), n = mat[0].size(); // 1.预处理一个前缀和矩阵 vector<vector<int>> dp(m + 1, vector<int>(n + 1)); for (int i = 1; i <= m; i++) for (int j = 1; j <= n; j++) dp[i][j] = dp[i - 1][j] + dp[i][j - 1] - dp[i - 1][j - 1] + mat[i - 1][j - 1]; // 2.使用前缀和矩阵 vector<vector<int>> ret(m, vector<int>(n)); for (int i = 0; i < m; i++) for (int j = 0; j < n; j++) { int x1 = max(0, i - k) + 1; int y1 = max(0, j - k) + 1; int x2 = min(m - 1, i + k) + 1; int y2 = min(n - 1, j + k) + 1; ret[i][j] = dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1]; } return ret; } };

Read more

WebAgent详解+实战:用开源AI智能体搞定产品与竞品市场调研

WebAgent详解+实战:用开源AI智能体搞定产品与竞品市场调研

在市场调研场景中,产品及竞品分析往往需要投入大量人力,手动浏览网页、提取信息、整理数据,不仅效率低下,还容易出现信息遗漏、误差等问题。WebAgent作为通义实验室开源的端到端自主网页智能体,凭借强大的中文语义理解、多步骤推理和结构化输出能力,可完全本地部署且永久免费,能高效替代人工完成网页信息采集、竞品数据提取、产品信息汇总等调研工作。本文将从WebAgent核心介绍、部署要点入手,聚焦产品与竞争对手调研场景,一步步实现实战示例,让无论是开发者还是市场从业者,都能快速上手,用AI提升调研效率,摆脱重复劳动。 一、初识WebAgent:阿里开源的网页智能体“神器” 1.1 什么是WebAgent? WebAgent是阿里巴巴通义实验室开源的自主网页智能体框架,核心定位是“模拟人类浏览网页的完整流程”,能理解自然语言指令、规划浏览路径、执行网页操作(点击、翻页、搜索等)、提取关键信息并结构化输出,无需人工干预即可完成复杂的网页相关任务。 与国外的AgentQL相比,WebAgent最大的优势的是完全开源免费、支持本地部署、中文语义优化,无需调用云端API,数据可完全保存在内网,

By Ne0inhk

前端转型AI的“第一公里”:如何建立正确的AI心智模型?

前端转型AI的“第一公里”:如何建立正确的AI心智模型? 在过去的一年里,我见证了太多前端同行的焦虑与迷茫。AI浪潮袭来,很多人匆忙上阵,学会了调用OpenAI的API,甚至跑通了LangChain的Demo,但在实际落地时却频频踩坑。 我们习惯了确定性的世界:输入1 + 1,输出必然是2;写了display: flex,布局必然改变。然而,AI开发是一个概率性的世界:同样的Prompt,两次调用可能得到截然不同的结果。这种底层逻辑的冲突,是前端转型AI最大的“拦路虎”。 很多前端工程师把大模型仅仅当成一个“智能API接口”,试图用传统的硬编码逻辑去控制它,结果往往是Prompt越写越长,系统却越来越不稳定。这并非技术能力不足,而是心智模型尚未完成迁移。 从“函数思维”到“上下文思维” 传统前端开发的核心是“函数思维”:我们定义输入、处理逻辑和输出,追求的是精准控制。但在AI应用开发中,这种思维必须升级为“上下文思维”。 大模型本质上是一个“概率预测机”。它不像函数那样执行指令,而是像人一样理解语境。前端开发者转型AI的第一步,不是去学Python深度学习框架,而是学会如

By Ne0inhk
前端科技新闻(WTN-4)你用了免费的 Trae 编辑器吗?排队多少名?我排在1584名

前端科技新闻(WTN-4)你用了免费的 Trae 编辑器吗?排队多少名?我排在1584名

写在前面,怎么说呢?首先是为了支持国产,用于偷懒写git摘要和部分内容的代码补充还是有些效率提升的,但是plan模式,基本上没怎么完成过。可能是项目不太标准的原因,要是做已经成熟的产品副本或许更简单- 突然有了个点子,找那些收费高卖的贵的,出青春版,或许有搞头。 也是首次,发现需要排队了,哈哈哈哈哈哈哈哈哈,让我想起某些游戏,付费插队 一、技术快讯|一次普通的 i18n 任务,却排到 1500 名之后 最近在使用 Trae 编辑器(免费版) 时,遇到了一件颇具“时代特色”的小插曲。 我只是想让 AI 帮忙做一个非常常规的工程任务: * 扫描页面组件 * 提取未国际化的中文文案 * 生成 key-value * 替换为统一的 $t('xxx') 调用 * 保证多语言资源文件结构一致 点击执行后,编辑器并没有立刻开始处理,而是弹出了一条提示:

By Ne0inhk