【基础算法】算法的“预谋”:前缀和如何改变游戏规则

【基础算法】算法的“预谋”:前缀和如何改变游戏规则
在这里插入图片描述
🔭 个人主页:散峰而望

《C语言:从基础到进阶》《编程工具的下载和使用》《C语言刷题》《算法竞赛从入门到获奖》《人工智能》《AI Agent》

愿为出海月,不做归山云


🎬博主简介

在这里插入图片描述
请添加图片描述

【基础算法】算法的“预谋”:前缀和如何改变游戏规则


前言

在算法设计与优化中,前缀和是一种简单却强大的技巧,能够将复杂问题转化为高效计算。无论是处理一维数组的区间求和,还是解决二维矩阵的子矩阵问题,前缀和都能通过预处理将时间复杂度从线性降低到常数级别,彻底改变问题的解决方式。

从经典的最大子段和问题到实际应用中的“激光炸弹”场景,前缀和不仅展现了数学的优雅,更体现了算法思维的灵活性。本文将深入探讨一维和二维前缀和的原理与应用,揭示其如何通过“预谋”式的预处理,在竞赛与工程中成为改变游戏规则的关键。

前缀和

前缀和与差分的核心思想是预处理,可以在暴力枚举的过程中,快速给出查询的结果,从而优化时间复杂度。

是经典的用空间替换时间的做法。

前缀和: 快速求出数组中某一段区间和,时间复杂度为 O(1)

1.1 一维前缀和

1.1.1 前缀和

前缀和

在这里插入图片描述

算法原理:

  1. 暴力模拟实现,从指定的下标进行循环,时间复杂度为 O(n * q) 会超时
  2. 前缀和:
    a. 先预处理出来一个前缀和数组
    f[i] 表示:区间 [1, i] 中所有元素和
    f[i] = f[i - 1] + a[i]
    b. 查询 [l, r] 区间和,则 f[r] - f[l - 1]
在这里插入图片描述
在这里插入图片描述

参考代码:

#include<iostream>usingnamespace std;constint N =1e5+10;typedeflonglong LL;int n, q; LL a[N]; LL f[N];//前缀和数组intmain(){ cin >> n >> q;for(int i =1; i <= n; i++) cin >> a[i];//处理前缀和for(int i =1; i <= n; i++){ f[i]= f[i -1]+ a[i];}//处理q次询问while(q--){int l, r; cin >> l >> r; cout << f[r]- f[l -1]<< endl;}return0;}

1.1.2 最大子段和

最大子段和

在这里插入图片描述

算法竞赛:

关于这道题的解法有很多种,我们先介绍利用「前缀和」的解法。

考虑以 i 位置的元素 a[i]「为结尾」的最大子段和:

  • 在求「区间和」时,相当于是用 f[i] 减去 i 位置前面的某一个 f[x]
  • 如果想要「最大子段和」,也就是「最大区间和」,那么用 f[i] 减去一个「前驱最小值」即可

参考代码:

#include<iostream>usingnamespace std;typedeflonglong LL;constint N =2e5+10;int n; LL f[N];//前缀和数组intmain(){ cin >> n;for(int i =1; i <= n; i++){ LL x; cin >> x; f[i]= f[i -1]+ x;} LL ret =-1e20; LL prevmin =0;for(int i =1; i <= n; i++){ ret =max(ret, f[i]- prevmin); prevmin =min(prevmin, f[i]);} cout << ret << endl;}

1.2 二维前缀和

1.2.1 二维前缀和

二维前缀和

在这里插入图片描述

根据题目要求,我们知道题目的求和情况如下:

在这里插入图片描述

算法原理:

  1. 暴力模拟
    查询哪个子区间,用两层 for 循环,累加。时间复杂度高 O(q * n * m)
  2. 二维前缀和
    快速查询二维数组中的某个子矩阵所有元素和,时间复杂度 O(n * m) + O(q)
    a.预处理出二维前缀和矩阵 f[i][j] 表示从 [1, 1] 到 [i, j] 区域内所有的元素和。
    b.用二维前缀和的矩阵解决问题。
  • 创建前缀和矩阵:f[i][j]=f[i−1][j]+f[i][j−1]−f[i−1][j−1]+a[i][j]
在这里插入图片描述
  • 查询以 (x1, y1) 为左上角 (x2, y2) 为右下角的子矩阵的和
在这里插入图片描述
#include<iostream>usingnamespace std;typedeflonglong LL;constint N =1010;int n, m, q; LL f[N][N];intmain(){ cin >> n >> m >> q;//预处理前缀和矩阵 for(int i =1; i <= n; i++){for(int j =1; j <= m; j++){ LL x; cin >> x; f[i][j]= f[i -1][j]+ f[i][j -1]- f[i -1][j -1]+ x;}}//处理q查询while(q--){int x1, y1, x2, y2; cin >> x1 >> y1 >> x2 >> y2; cout << f[x2][y2]- f[x1 -1][y2]- f[x2][y1 -1]+ f[x1 -1][y1 -1]<< endl;}return0;}

1.2.2 激光炸弹

激光炸弹

在这里插入图片描述

因为题目要求若目标位于爆破正方形的边上,该目标不会被摧毁,则以下这些情况炸弹威力会减弱

在这里插入图片描述

即如果想尽可能炸更多目标,炸弹边和矩阵边重叠。

算法原理:

暴力枚举坐标系中所有边长为 R 的正方形,找出正方形内目标价值最大的目标即可。

枚举右下角 [x2, y2] 从而得到整个正方形,用一个二维矩阵将所有目标的价值存起来,其中 a[i][j] 就表示 [i, j] 位置的目标价值之和。

#include<iostream>usingnamespace std;constint N =5010;int n, m;int a[N][N];int f[N][N];//前缀和intmain(){ cin >> n >> m;while(n--){int x, y, v; cin >> x >> y >> v; x++, y++;//下标从1开始 a[x][y]+= v;//同一个位置可能有多个目标 }//预处理 n =5001;for(int i =1; i <= n; i++){for(int j =1; j <= n; j++){ f[i][j]= f[i -1][j]+ f[i][j -1]- f[i -1][j -1]+ a[i][j];}}int ret =0; m =min(m, n);// 如果 m 很大,相当于就是把整个区域全部摧毁 // 枚举所有边?为 m 的正方形 for(int x2 = m; x2 <= n; x2++){for(int y2 = m; y2 <= n; y2++){int x1 = x2 - m +1, y1 = y2 - m +1; ret =max(ret, f[x2][y2]- f[x1 -1][y2]- f[x2][y1 -1]+ f[x1 -1][y1 -1]);}} cout << ret << endl;return0;}

结语

前缀和作为一种基础而强大的算法技巧,通过预处理数据将复杂度从线性降至常数级别,彻底改变了处理区间问题的游戏规则。从一维数组的快速求和、最大子段和优化,到二维矩阵的区域统计、激光炸弹效果模拟,前缀和以空间换时间的策略展现了极高的效率。

掌握前缀和不仅能够解决经典问题,更能为复杂场景(如动态规划、数据结构优化)提供关键思路。其思想可以延伸到更高维度的数据处理中,成为算法设计中不可或缺的“预谋”手段。理解并灵活运用前缀和,是提升算法问题解决能力的重要一步。

愿诸君能一起共渡重重浪,终见缛彩遥分地,繁光远缀天



Read more

LTspice Web中SPICE模型调用的完整指南(在线仿真应用)

在线电路仿真实战:手把手教你搞定 LTspice Web 中的 SPICE 模型调用 你有没有遇到过这样的场景?正在远程开会,突然想验证一个电源拓扑,但手边只有笔记本电脑、没有安装 LTspice;或者在教学演示时,学生因为系统兼容问题无法复现你的仿真结果。这时候, LTspice Web 就成了救场神器——无需安装、打开浏览器就能跑电路仿真。 但真正用起来才发现:桌面版里轻轻一点就能加载的 .lib 模型,在网页端却频频报错“Unknown subcircuit”。这背后不是软件 bug,而是 在线环境与本地系统的根本差异 。 今天我们就来彻底讲清楚:如何在 LTspice Web 中正确调用第三方或自定义 SPICE 模型。从原理到实操,从常见坑点到高级技巧,一篇文章帮你打通全流程。 为什么模型会“找不到”?先搞懂 SPICE 的查找逻辑 在动手之前,必须明白一件事:LTspice

By Ne0inhk

前端html2canvas使用场景详解

html2canvas 是前端常用的 “DOM 转图片” 库,核心是将页面 DOM 节点渲染为 Canvas,再转为图片(Base64 或 Blob)。以下是 9 种核心使用场景的详细教程,包含代码示例、参数配置、问题解决,覆盖日常开发需求。 一、基础使用:将指定 DOM 转为 Base64 图片 适用于简单场景(如生成证书、截图分享),无需复杂配置。 1. 安装与引入 # npm 安装 npm install html2canvas --save javascript // 模块化项目引入(Vue/React/Angular) import html2canvas from 'html2canvas'

By Ne0inhk
深入理解前端防抖(Debounce)与节流(Throttle):原理、区别与实战示例

深入理解前端防抖(Debounce)与节流(Throttle):原理、区别与实战示例

深入理解前端防抖(Debounce)与节流(Throttle):原理、区别与实战示例 📌 引言 在前端开发中,我们经常需要处理高频事件(如输入框输入、滚动、窗口调整大小等)。如果不加限制,浏览器会频繁触发回调函数,导致性能问题,甚至页面卡顿。 防抖(Debounce) 和 节流(Throttle) 是两种优化方案,可以有效控制事件触发的频率,提高应用的性能和用户体验。 本篇文章将详细解析 防抖和节流的原理、适用场景及代码实现,帮助你更好地优化前端应用。 1. 什么是防抖(Debounce)? 📝 概念 防抖是一种在事件触发后延迟执行的技术,如果在延迟期间事件被再次触发,计时器会重置,重新计算延迟时间。 核心思想:短时间内多次触发,只执行最后一次。 📌 适用场景 * 搜索框输入(防止用户每次输入都发送请求) * 窗口调整大小(resize)(防止短时间内多次触发计算) * 表单输入验证(用户停止输入后再进行验证) ✅ 代码实现 functiondebounce(fn,

By Ne0inhk