【优选算法必刷100题】第025~26题(前缀和算法):【模版】前缀和、【模板】二维前缀和

【优选算法必刷100题】第025~26题(前缀和算法):【模版】前缀和、【模板】二维前缀和

🔥艾莉丝努力练剑:个人主页

专栏传送门:《C语言》《数据结构与算法》C/C++干货分享&学习过程记录Linux操作系统编程详解笔试/面试常见算法:从基础到进阶

⭐️为天地立心,为生民立命,为往圣继绝学,为万世开太平


🎬艾莉丝的简介:



🎬艾莉丝的算法专栏简介:


目录

​025  【模板】一维前缀和

1.1  算法思路:前缀和

1.2  算法实现

1.2.1  C++实现

1.2.2  Java实现

1.3  博主手记

​026  【模板】二维前缀和

2.1  算法思路:前缀和

2.1.1  第一步:搞出来前缀和矩阵

2.1.2  前缀和矩阵中sum[ i ][ j ]的含义,以及如何递推二维前缀和方程

2.1.3  第二步:使用前缀和矩阵

2.2  算法实现

2.2.1  C++实现

2.2.2  Java实现

2.3  博主手记

结尾


​025  【模板】一维前缀和

牛客网链接:DP34 【模板】前缀和

题目描述:

1.1  算法思路:前缀和

1、先预处理出来一个【前缀和】数组——用dp[ i ]表示。

[1 , i ]区间内所有元素的和,那么dp[i - 1]里面存的就是[1 , i - 1]区间内所有元素的和,那么——可得递推公式:dp[ i ] = dp[i-1] + arr[ i ];

2、使用前缀和数组,【快速】求出【某一个区间内】所有元素的和:
当询问的区间是[ l , r ]时:区间内所有元素的和为:dp[ r ] - dp[l - 1]。

1.2  算法实现

1.2.1  C++实现

代码演示如下——

#include <iostream> #include<vector> // 创建数组 using namespace std; int main() { // 1、读入数据 int n,m; cin >> n >> m; vector<int> arr(n + 1); // 刚开始默认0 for(int i = 1;i <= n;i++) cin >> arr[i]; // 2、预处理出来一个前缀和数组 vector<long long> dp(n + 1); // 有可能栈溢出,防止溢出 for(int i = 1;i <= n;i++) dp[i] = dp[i - 1] + arr[i]; // 3、使用前缀和数组 int l = 0,r = 0; while(m--) { cin >> l >> r; cout<< dp[r] - dp[l - 1] <<endl; } return 0; }
时间复杂度:O(1),空间复杂度:O(1)。

1.2.2  Java实现

代码演示如下——

import java.util.Scanner; // 注意类名必须为 Main, 不要有任何 package xxx 信息 public class Main { public static void main(String[] args) { Scanner scan = new Scanner(System.in); int n = scan.nextInt(); int q = scan.nextInt(); // 为了防⽌溢出,⽤ long 类型的数组 int[] arr = new int[n + 1]; long[] dp = new long[n + 1]; for (int i = 1; i <= n; i++) { // 读数据 arr[i] = scan.nextInt(); } for (int i = 1; i <= n; i++) { // 处理前缀和数组 dp[i] = dp[i - 1] + arr[i]; } while (q > 0) { int l = scan.nextInt(); int r = scan.nextInt(); System.out.println(dp[r] - dp[l - 1]); // 使⽤前缀和数组 q--; } } }
时间复杂度:O(1),空间复杂度:O(1)。

1.3  博主手记

本题整个的思路、算法原理、解题过程博主在纸上推导了一遍,大家可以参考一下手记的推导过程!最好做题的过程中自己也推导一遍!!!自己能够推导很重要!


​026  【模板】二维前缀和

牛客网链接:DP35 【模板】二维前缀和

题目描述:

2.1  算法思路:前缀和

类比于一维数组的形式,如果我们能处理出来从[0 , 1]位置到[i , j]位置这片区域内所有元素的累加和,就可以在O(1)的时间内,搞定矩阵内任意区域内所有元素的累加和。因此我们接下来仅需完成两步即可——

2.1.1  第一步:搞出来前缀和矩阵

这里就要用到一维数组里面的拓展知识,我们要在矩阵的最上面和最左边添加上一行和一列0,这样我们就可以省去非常多的边界条件的处理(uu们可以自行尝试直接搞出来前缀和矩阵,边界条件的处理会让你崩溃的)。处理后的矩阵就像这样——

这样,我们填写前缀和矩阵数组的时候,下标直接从开始,能大胆使用i-1,j-1位置的值。

注意dp表与原数组matrix内的元素的映射关系:

(1)从dp表到利matrix矩阵,横纵坐标减一;
(2)从matrix矩阵到dp表,横纵坐标加一。

2.1.2  前缀和矩阵中sum[ i ][ j ]的含义,以及如何递推二维前缀和方程

1、sum[ i ][ j ]的含义——

sum[ i ][ j ]表示,从[0 , 0]

位置到[i , j]位置这段区域内,所有元素的累加和。对应下图的红色区域:

2、递推方程——

其实这个递推方程非常像我们小学做过求图形面积的题,我们可以将[0 , 0]位置到[i , j]位置这段区域分解成下面的部分:

sum[ i ][ j ] = 红 + 蓝 + 绿 + 黄,分析一下这四块区域——

(1)黄色部分最简单,它就是数组中的matrix[i - 1][j - 1](注意坐标的映射关系)

(2)单独的蓝不好求,因为它不是我们定义的状态表示中的区域,同理,单独的绿也是;

(3)但是如果是红+蓝,正好是我们dp数组中sum[i-1][ j ]的值,美滋滋;

(4)同理,如果是红+绿,正好是我们dp数组中sum[ i ][j - 1]的值;

(5)如果把上面求的三个值加起来,那就是黄 + 红 + 蓝 + 红 + 绿,发现多算了一部分红的面积,因此再单独减去红的面积即可;

(6)红的面积正好也是符合dp数组的定义的,即sum[i-1][j-1]。

综上所述,我们的递推方程就是——

sum[ i ][ j ] = sum[i - 1][ j ] + sum[ i ][j - 1] - sum[i - 1][j - 1] + matrix[i - 1][j - 1]

2.1.3  第二步:使用前缀和矩阵

题目的接口中提供的参数是原始矩阵的下标,为了避免下标映射错误,这里直接先把下标映射成dp表里面对应的下标——

rowl++,col1++,row2++,col2++

接下来分析如何使用这个前缀和矩阵,如下图(注意这里的row和col都处理过了,对应的正
是sum矩阵中的下标):

对于左上角(row1,col1)、右下角(row2,col2)围成的区域,正好是红色的部分。因此我们要求的就是红色部分的面积,继续分析几个区域:

(1)黄色,能直接求出来,就是sum[row1-1,col1-1](为什么减1,因为要剔除掉row这一行和col这一列);

(2)绿色,直接求不好求,但是和黄色拼起来,正好是sum表内sum[rowl - 1][col2]的数据;

(3)同理,蓝色不好求,但是蓝 + 黄 = sum[row2][col1-1];

(4)再看看整个面积,好求嘛?非常好求,正好是sum[row2][col2];

(5)那么,红色就=整个面积-黄-绿-蓝,但是绿蓝不好求,我们可以这样减:整个面积 - (绿 + 黄) - (蓝 + 黄),这样相当于多减去了一个黄,再加上即可。

综上所述:红 = 整个面积 - (绿 + 黄) - (蓝 + 黄) + 黄,从而可得红色区域内的元素总和为——

sum[row2][col2] - sum[row2][col1 - 1] - sum[row1 - 1][col2] + sum[rowl - 1][col1 - 1]

2.2  算法实现

2.2.1  C++实现

#include <iostream> #include<vector> using namespace std; int main() { // 1.读入数据 int n = 0,m = 0,q = 0; cin >> n >> m >> q; vector<vector<int>> arr(n + 1,vector<int>(m + 1)); for(int i = 1;i <= n;++i) for(int j = 1;j <= m;j++) cin >> arr[i][j]; // 2.预处理前缀和矩阵 vector<vector<long long>> dp(n + 1,vector<long long>(m + 1)); // 防止栈溢出 for(int i = 1;i <= n;i++) for(int j = 1;j <= m;j++) dp[i][j] = dp[i - 1][j] + dp[i][j - 1] + arr[i][j] - dp[i - 1][j - 1]; // 3.使用前缀和矩阵 int x1 = 0,y1 = 0,x2 = 0,y2 = 0; while(q--) { cin >> x1 >> y1 >> x2 >> y2; cout << dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1] << endl; } return 0; }
时间复杂度:O(1),空间复杂度:O(1)。

2.2.2  Java实现

import java.util.Scanner; // 注意类名必须为 Main, 不要有任何 package xxx 信息 public class Main { public static void main(String[] args) { Scanner in = new Scanner(System.in); int n = in.nextInt(); int m = in.nextInt(); int q = in.nextInt(); int[][] arr = new int[n + 1][m + 1]; long[][] dp = new long[n + 1][m + 1]; // 读入数据 for (int i = 1; i <= n; i++) for (int j = 1; j <= m; j++) arr[i][j] = in.nextInt(); // 处理前缀和矩阵 for (int i = 1; i <= n; i++) for (int j = 1; j <= m; j++) dp[i][j] = dp[i - 1][j] + dp[i][j - 1] - dp[i - 1][j - 1] + arr[i][j]; // 使用前缀和矩阵 while (q > 0) { int x1 = in.nextInt(), y1 = in.nextInt(), x2 = in.nextInt(), y2 = in.nextInt(); System.out.println(dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1]); q--; } } }
时间复杂度:O(1),空间复杂度:O(1)。

2.3  博主手记

本题整个的思路、算法原理、解题过程博主在纸上推导了一遍,大家可以参考一下手记的推导过程!最好做题的过程中自己也推导一遍!!!自己能够推导很重要!


结尾

往期回顾:

【优选算法必刷100题】第023~24题(二分查找算法):寻找/搜索旋转排序数组中的最小值、点名(缺失的数字)

结语:都看到这里啦!请大佬不要忘记给博主来个“一键四连”哦!

🗡博主在这里放了一只小狗,大家看完了摸摸小狗放松一下吧!🗡

૮₍ ˶ ˊ ᴥ ˋ˶₎ა


Read more

除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了

除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了

🔥 个人主页:杨利杰YJlio❄️ 个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》《Python》《Kali Linux》《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更简单,让重复的工作自动化 除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了 * 除了 OpenClaw,今天 AI 热榜还有什么值得看?我把 5 个重点方向讲清楚了 * 1. 我先说结论:今天这波 AI 热榜,最重要的不是“谁最火”,而是“风向变了” * 2. GoogleCloudPlatform / generative-ai:平台生态正在成为真正的护城河 * 3. MiroFish:群体智能和多智能体,开始从概念走向更具体的产品叙事

By Ne0inhk
Python+AI 实战:搭建属于你的智能问答机器人

Python+AI 实战:搭建属于你的智能问答机器人

欢迎文末添加好友交流,共同进步! “ 俺はモンキー・D・ルフィ。海贼王になる男だ!” 引言 * 在数字化转型浪潮中,智能问答机器人正成为企业客服、知识库检索乃至个人助理等场景的关键交互入口。它能让员工秒级获取技术解答、客户即时获得业务支持、学习者随时得到个性化辅导,极大提升信息获取效率与用户体验。 * 为何选择 Python 与开源 AI 模型?Python 拥有成熟的 AI 生态——Hugging Face Transformers、LangChain、FAISS 等工具大幅降低开发门槛;而本地部署的开源大模型(如 Phi-3、Mistral、Llama 系列)则保障了数据隐私、规避了 API 成本,特别适合对安全性或离线能力有要求的场景。 * 本文将手把手带你从零构建一个基于 RAG(检索增强生成)架构的本地智能问答系统:使用 Sentence-BERT 实现语义检索,FAISS 作为向量数据库,并集成轻量级开源语言模型生成答案。

By Ne0inhk
人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战

人工智能:自然语言处理在医疗领域的应用与实战 学习目标 💡 理解自然语言处理(NLP)在医疗领域的应用场景和重要性 💡 掌握医疗领域NLP应用的核心技术(如电子病历分析、疾病诊断辅助、药物相互作用检测) 💡 学会使用前沿模型(如BioBERT、ClinicalBERT)进行医疗文本分析 💡 理解医疗领域的特殊挑战(如医疗术语、数据隐私、法规要求) 💡 通过实战项目,开发一个电子病历文本分类应用 重点内容 * 医疗领域NLP应用的主要场景 * 核心技术(电子病历分析、疾病诊断辅助、药物相互作用检测) * 前沿模型(BioBERT、ClinicalBERT)在医疗领域的使用 * 医疗领域的特殊挑战 * 实战项目:电子病历文本分类应用开发 一、医疗领域NLP应用的主要场景 1.1 电子病历分析 1.1.1 电子病历分析的基本概念 电子病历(Electronic Health Records, EHR)是医疗领域的核心数据之一,包含了患者的基本信息、诊断记录、

By Ne0inhk