【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

最新电子电气架构(EEA)调研-3

而新一代的强实时性、高确定性,以及满足CAP定理的同步分布式协同技术(SDCT),可以实现替代TSN、DDS的应用,且此技术已经在无人车辆得到验证,同时其低成本学习曲线、无复杂二次开发工作,将开发人员的劳动强度、学习曲线极大降低,使开发人员更多的去完成算法、执行器功能完善。 五、各大车厂的EEA 我们调研策略是从公开信息中获得各大车厂的EEA信息,并在如下中进行展示。 我们集中了华为、特斯拉、大众、蔚来、小鹏、理想、东风(岚图)等有代表领先性的车辆电子电气架构厂商。        1、华为 图12 华为的CCA电子电气架构              (1)华为“计算+通信”CC架构的三个平台                         1)MDC智能驾驶平台;                         2)CDC智能座舱平台                         3)VDC整车控制平台。        联接指的是华为智能网联解决方案,解决车内、车外网络高速连接问题,云服务则是基于云计算提供的服务,如在线车主服务、娱乐和OTA等。 华

By Ne0inhk
Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践

Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践

Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践 文章目录 * Apache IoTDB 架构特性与 Prometheus+Grafana 监控体系部署实践 * Apache IoTDB 核心特性与价值 * Apache IoTDB 监控面板完整部署方案 * 安装步骤 * 步骤一:IoTDB开启监控指标采集 * 步骤二:安装、配置Prometheus * 步骤三:安装grafana并配置数据源 * 步骤四:导入IoTDB Grafana看板 * TimechoDB(基于 Apache IoTDB)增强特性 * 总结与应用场景建议 Apache IoTDB 核心特性与价值 Apache IoTDB 专为物联网场景打造的高性能轻量级时序数据库,以 “设备 - 测点” 原生数据模型贴合物理设备与传感器关系,通过高压缩算法、百万级并发写入能力和毫秒级查询响应优化海量时序数据存储成本与处理效率,同时支持边缘轻量部署、

By Ne0inhk
SQL Server 2019安装教程(超详细图文)

SQL Server 2019安装教程(超详细图文)

SQL Server 介绍) SQL Server 是由 微软(Microsoft) 开发的一款 关系型数据库管理系统(RDBMS),支持结构化查询语言(SQL)进行数据存储、管理和分析。自1989年首次发布以来,SQL Server 已成为企业级数据管理的核心解决方案,广泛应用于金融、电商、ERP、CRM 等业务系统。它提供高可用性、安全性、事务处理(ACID)和商业智能(BI)支持,并支持 Windows 和 Linux 跨平台部署。 一、获取 SQL Server 2019 安装包 1. 官方下载方式 前往微软官网注册账号后,即可下载 SQL Server Developer 版本(

By Ne0inhk