《算法闯关指南:优选算法--前缀和》--25.【模板】前缀和,26.【模板】二维前缀和

《算法闯关指南:优选算法--前缀和》--25.【模板】前缀和,26.【模板】二维前缀和
在这里插入图片描述

🔥草莓熊Lotso:个人主页
❄️个人专栏: 《C++知识分享》《Linux 入门到实践:零基础也能懂》
✨生活是默默的坚持,毅力是永久的享受!


🎬 博主简介:

在这里插入图片描述

文章目录


前言:

聚焦算法题实战,系统讲解三大核心板块:优选算法:剖析动态规划、二分法等高效策略,学会寻找“最优解”。 递归与回溯:掌握问题分解与状态回退,攻克组合、排列等难题。 贪心算法:理解“局部最优”到“全局最优”的思路,解决区间调度等问题 内容以题带点,讲解思路与代码实现,帮助大家快速提升代码能力。

25.【模板】前缀和

题目链接

【模板】前缀和__牛客网

题目描述

在这里插入图片描述


题目示例

在这里插入图片描述

解法(前缀和):

算法思路:

  • 先预处理出来一个 【前缀和】 数组:用 dp[i] 表示:【1,i】 区间所有元素的和,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]
  • 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]

C++算法代码:

#include<iostream>#include<vector>usingnamespace std;intmain(){//1.输入数据int n=0,m=0; cin>>n>>m; vector<int>arr(n+1);for(size_t i=1;i<=n;i++) cin>>arr[i];//2.预处理一个dp数组 vector<longlong>dp(n+1);//防止溢出for(size_t 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]<<'\n';}return0;}// 64 位输出请用 printf("%lld")

算法总结&&笔记展示:

笔记字有点丑,大家见谅:

在这里插入图片描述

26.【模板】二维前缀和

题目链接

【模板】二维前缀和__牛客网

题目描述

在这里插入图片描述


题目示例

在这里插入图片描述

解法:

算法思路:

类比于一维数组的形式,如果我们能处理出来从【0,0】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。因此我们需要接下来仅需要完成下面两步即可:
第一步:搞出来前缀和矩阵
这里就要用到一维数组里面的扩展知识,我们要在矩阵的最上面和最左边添加上一行和一列0,这样我们久可省去非常多的边界条件的处理,处理后的矩阵就像下面这样:

在这里插入图片描述


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

注意:dp 表与原数组 martix 内的元素的映射关系:从 dp 表到 martix 矩阵,横纵坐标减一;从 martix 矩阵到 dp 表,横纵坐标加一;

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

  • 黄色部分最简单,它就是数组中的 martix[i-1][j-1](注意坐标的映射关系)
  • 单独求蓝色不好求,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;
  • 但是如果是红+蓝,正好是我们 dp 数组中 sum[i-1][j] 的值;
  • 同理,如果是红+绿,正好是我们dp数组中 sum[i][j-1] 的值;
  • 如果把上面求的三个值加起来,我们会发现多算了一块红色的,因此直接再单独减掉就可以了那就是 黄+(红+蓝)+(红+绿)-红
  • 红的面积正好也是符合 dp 数组的定义的,即 sum[i-1][j-1]

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:

在这里插入图片描述


递推方程:
其实这个递推方程非常像我们小学做过的求图形面积的题,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:

在这里插入图片描述


sum[i][j] = 红 + 蓝 + 绿 + 黄,分析一下这四块区域:

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] + martix[i-1][j-1]

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:row1++,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 rowcol 都处理过了,对应的是 sum 矩阵中的下标):

在这里插入图片描述


对于左上角(row1,col1),右下角(row2,cow2)围成的区域,正好是红色部分。因此我们需要求的就是红色部分的面积,继续分析几个区域:

  • 黄色,能直接求出来,就是 sum[row1 - 1, col1 - 1] (为什么减⼀?因为要剔除掉 row 这一行和 col 这一列)
  • 绿色,直接求不好求,但是和黄色拼起来,正好是 sum 表内 sum[row1 - 1][col2]的数据;
  • 同理,蓝色不好求,但是 蓝 + 黄 = sum[row2][col1 - 1]
  • 再看看整个面积,好求嘛?非常好求,正好是 sum[row2][col2]
  • 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[row1 -1][col1 - 1]

C++算法代码:

#include<iostream>#include<vector>usingnamespace std;intmain(){//1.输入数据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 vector<vector<longlong>>dp(n+1,vector<longlong>(m+1));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]<<'\n';}return0;}// 64 位输出请用 printf("%lld")

算法总结&&笔记展示:

笔记字有点丑,大家见谅:

在这里插入图片描述

结尾:

🍓 我是草莓熊 Lotso!若这篇技术干货帮你打通了学习中的卡点: 👀 【关注】跟我一起深耕技术领域,从基础到进阶,见证每一次成长 ❤️ 【点赞】让优质内容被更多人看见,让知识传递更有力量 ⭐ 【收藏】把核心知识点、实战技巧存好,需要时直接查、随时用 💬 【评论】分享你的经验或疑问(比如曾踩过的技术坑?),一起交流避坑 🗳️ 【投票】用你的选择助力社区内容方向,告诉大家哪个技术点最该重点拆解 技术之路难免有困惑,但同行的人会让前进更有方向~愿我们都能在自己专注的领域里,一步步靠近心中的技术目标! 

结语:本文介绍了前缀和算法的核心思想及实现方式。通过预处理构建前缀和数组dp,其中dp[i]表示区间[1,i]内所有元素的和,利用递推公式dp[i]=dp[i-1]+arr[i]快速计算。查询区间[l,r]的和时,只需计算dp[r]-dp[l-1]即可高效获取结果。文章以C++代码演示了该算法的应用,并附有手写笔记说明。前缀和算法适用于频繁区间求和场景,能显著提升计算效率。

✨把这些内容吃透超牛的!放松下吧✨ʕ˘ᴥ˘ʔづきらど

Read more

智元机器人三大产线

智元机器人三大产线

执行摘要 2025 年 12 月 8 日,智元机器人迎来了具有里程碑意义的时刻 —— 第 5000 台通用具身机器人在上海临港工厂正式量产下线。这一成就标志着中国具身智能产业从技术验证阶段全面迈入规模商用时代。智元机器人通过三年的快速发展,已建立起远征、灵犀、精灵三大产品矩阵,累计出货 5000 台,其中远征 A1/A2 下线 1742 台,灵犀 X1/X2 下线 1846 台,精灵 G1/G2 下线 1412 台(3)。 在技术层面,智元机器人实现了多项重大突破。其自主研发的 PowerFlow 关节电机峰值扭矩超过 350N・m,重量仅 1.6kg,采用准直驱技术方案,相较传统谐波减速器方案成本降低

By Ne0inhk

无人机飞行空域申请全流程指南

无人机飞行空域申请全流程指南 一、哪些情况需要申请空域? 必须申请空域的情况: * 在管制空域内飞行(包括机场周边、军事区、120米以上空域等) * 微型/轻型无人机在适飞空域内超过真高120米飞行 * 轻型无人机进行特殊操作(如中继飞行、载运危险品、飞越人群) * 小型及以上无人机(空机>4kg或最大起飞重量>7kg)在任何空域飞行 无需申请的情况: * 微型无人机在真高50米以下适飞空域内飞行 * 轻型无人机在真高120米以下适飞空域内飞行 二、申请前必备准备 1️⃣ 实名登记(所有无人机必备) * 登录民用无人驾驶航空器综合管理平台(UOM)(https://uom.caac.gov.cn或UOM APP) * 个人用户:完成实名认证(上传身份证),为≥250g的无人机登记,获取唯一编码和二维码 * 企业用户:准备营业执照、法人身份证、运营合格证、无人机适航证 2️⃣ 人员资质要求

By Ne0inhk
实现Python将csv数据导入到Neo4j

实现Python将csv数据导入到Neo4j

目录 一、获取数据集 1.1 获取数据集 1.2 以“记事本”方式打开文件 1.3  另存为“UTF-8”格式文件 1.4 选择“是” 二、 打开Neo4j并运行 2.1 创建新的Neo4j数据库 2.2 分别设置数据库名和密码 编辑 2.3 启动Neo4j数据库 2.4 打开Neo4j数据库  2.5 运行查看该数据库是否为空 三、打开Python创建项目  3.1 创建一个包,存项目 3.2 创建一个项目 3.3 检查自己的依赖是否完全

By Ne0inhk

Web3学习笔记分享:Day1-Web3概览与开发环境搭建

按照我的学习计划,今天完成了Day1的学习任务,学习过程还是颇费波折,主要是实操部分领取测试币和转账遇到问题。不过,这些问题都被我解决了,现将学习笔记整理如下,只要按照我的学习笔记操作,百分之百能够体验成功。 首先,提前祝大家学习愉快,有什么不清楚的都可以在评论区留言并讨论,我们一起学习进步。 📋 学习目标 * • 理解 Web3 的核心概念和演进历史 * • 掌握区块链的基本工作原理 * • 成功安装和配置 MetaMask 钱包 * • 获取测试代币并完成第一笔转账 * • 熟悉区块浏览器的使用 📚 理论部分 (45分钟) 1.1 Web 演进史 从 Web1 到 Web3 阶段 时代特征 典型代表 数据归属 交互方式 Web1 只读 静态网页、门户网站 平台所有 被动浏览 Web2 读写 社交媒体、电商平台 平台所有,用户授权使用

By Ne0inhk