【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

从0到1搞懂Linux动静态库制作与底层原理|开发者必备指南

从0到1搞懂Linux动静态库制作与底层原理|开发者必备指南

🔥个人主页:Cx330🌸 ❄️个人专栏:《C语言》《LeetCode刷题集》《数据结构-初阶》《C++知识分享》 《优选算法指南-必刷经典100题》《Linux操作系统》:从入门到入魔 《Git深度解析》:版本管理实战全解 🌟心向往之行必能至 🎥Cx330🌸的简介: 目录 前言: 一、先搞懂:Linux下的库是什么?二进制的“代码积木” 1.1 库的本质 1.2 库的分类与系统位置 1.3 预备工作:自定义库源码 二. 静态库:编译时链接,独立运行 2.1 整体图示:理清思路 2.2 静态库制作流程(Makefile 自动化 ,更简便) 2.3 静态库使用场景与命令

By Ne0inhk
MySQL迁金仓:高兼容+自动化,国产化迁移低成本落地实战

MySQL迁金仓:高兼容+自动化,国产化迁移低成本落地实战

目录 一、MySQL兼容性:决定迁移成本与难度的核心 1.1 协议层兼容:应用端几乎零改动,省出大量工时 1.2 语法与函数兼容:核心SQL直接复用,无需改写 1.3 数据类型与字符集兼容:贴合MySQL习惯,数据零损耗 1.4 数据库对象兼容:视图、触发器、函数直接复用,省掉隐性工作量 1.5 兼容差异注意事项:少量微调,工具自动处理 二、金仓迁移工具链(KDTS+KFS):全流程自动化,严控成本与停机时间 2.1 工具链核心:针对性解决手工迁移的核心痛点 2.2 KDTS:全量迁移自动化引擎,替代低效手工导入 2.3 KFS:增量同步+

By Ne0inhk
Flutter 组件 r_flutter 的适配 鸿蒙Harmony 实战 - 驾驭资源映射自动化、实现鸿蒙端资产强类型引用与资产冲突静态校验方案

Flutter 组件 r_flutter 的适配 鸿蒙Harmony 实战 - 驾驭资源映射自动化、实现鸿蒙端资产强类型引用与资产冲突静态校验方案

欢迎加入开源鸿蒙跨平台社区:https://openharmonycrossplatform.ZEEKLOG.net Flutter 组件 r_flutter 的适配 鸿蒙Harmony 实战 - 驾驭资源映射自动化、实现鸿蒙端资产强类型引用与资产冲突静态校验方案 前言 在鸿蒙(OpenHarmony)的大型 UI 工程开发中,“资源管理”是一个极易产生低级错误的重灾区。面对动辄几百个图标(PNG/SVG)、各种自定义字体文件以及多层级的资源目录。如果我们依然使用硬编码字符串(如 Image.asset('assets/images/home_icon_v2_final.png')),那么不仅毫无代码提示可言,由于文件名拼写错误引发的运行期资源丢失(Missing Asset)更是家常便饭。 我们需要一种“代码即资产”的强类型保护。 r_flutter

By Ne0inhk

Linux:初始网络(下)

或许你有一个疑问,“发请求、收响应”,却不清楚数据在网线里到底是怎么从一台主机走到另一台主机的。这篇博客在上一篇博客基础上,将最基础的局域网通信原理出发,拆解数据封装与解包的核心逻辑,再延伸到跨网段的网络传输,帮你建立起网络传输的完整宏观认知,所以大家要认真阅读啦~~ 一、同局域网通信:以太网内的主机如何直接对话 局域网是我们最常接触的网络场景,比如家里的路由器连接的电脑、手机,公司内网的办公设备,都属于同一个局域网。我们先从最核心的问题切入,理解局域网通信的底层逻辑 1. 核心问题:同一局域网的两台主机,能直接通信吗? 答案是:完全可以!局域网内的主机通信,本质是基于以太网协议、通过 MAC 地址完成的二层直连通信,原理就像我们在同一个教室里上课:老师喊出同学的名字,全班同学都能听到这个声音,但只有名字对应的同学会做出回应,其他同学会自动忽略这个信息 2. 局域网通信的唯一身份标识:MAC 地址 在以太网的局域网里,每一台主机的唯一性,靠的就是 MAC 地址来保证。 * 核心定义:MAC 地址用来识别数据链路层中相连的节点,是网卡的 “物理身份证”

By Ne0inhk