前缀和算法 -- [模版]二维前缀和

 个人主页:Lei宝啊 

愿所有美好如期而遇


 

本题链接

【模板】二维前缀和_牛客题霸_牛客网 

输入描述

n是行,m是列,q是查询次数,x1,y1,x2,y2是二维数组的下标。

输出描述

通过两对下标,计算这两对下标构成的这个子矩阵的和。

算法分析

算法一:暴力求解

直接遍历数组,我们考虑最坏情况就是q次查询都是从头遍历到尾,时间复杂度就是O(n*m*q),这绝对是超时的。

算法二:前缀和

我们不希望每次查询时都要遍历去计算和,所以我们就有了创建dp表并进行预处理。

预处理二维dp表

首先我们要明白dp表每一个位置代表的状态,也就是说,dp[i][j] 就代表着从 [1,1] 到 [i,j] 这个子矩阵的和, 同时,我们创建dp表时下标从1开始,也就是说,不仅仅是数组下标从1开始,为什么要从1开始?一个是题目的m和n就是大于等于1的,另一个原因在于使用dp表进行计算时防止越界。

我们先创建这样的数组(示例一): 

接下来就是创建dp表,并进行预处理,但是我们怎么填充dp表呢?暴力遍历吗?分析一下时间复杂度,dp表我们有m*n个元素需要填充,每个元素都代表着子矩阵的和,也就是需要遍历数组,所以整体的时间复杂度就是O(m*n*m*n), 这样的时间复杂度甚至不如直接暴力求解,我们需要其他方法。

小学的时候,我们计算过面积,计算一块面积有时候直接算并不好算,于是我们分割了图形,求每个部分图形的和。

同理,直接算矩阵和不好算,我们将他分割成A,B,C,D四块,dp[i][j]的值就是A + B + C + D,但是我们发现A好算,就是dp[i-1][j-1],B和C并不好算,但是A+B呢?A+C呢?

所以我们也就有了思路:

最终我们得到dp表:

 

使用dp表计算

现在我们有了[1,1]到任意一个下标这个子矩阵的和,现在我们要算任意两个下标构成的子矩阵的和,我们看图:

我们似乎仍然能像面积一样进行分割:

 

解题源码

#include <iostream>
#include <vector>
using namespace std;int main() 
{//n行,m列,q次int n, m, q;cin >> n >> m >> q;//创建二维数组vector<vector<int>> vv(n+1,vector<int>(m+1, 0));for(int i=1; i<n+1; i++){for(int j=1; j<m+1; j++){cin >> vv[i][j];}}//创建dp表并填充vector<vector<long long>> dp(n+1,vector<long long>(m+1, 0));for(int i=1; i<n+1; i++){for(int j=1; j<m+1; j++){dp[i][j] = dp[i-1][j] +dp[i][j-1] - dp[i-1][j-1] + vv[i][j];}}while(q--){int x1, y1, x2, y2;cin >> x1 >> y1 >> x2 >> y2;long long sum = dp[x2][y2] - dp[x1-1][y2] - dp[x2][y1-1] +dp[x1-1][y1-1];cout << sum << endl;}}
// 64 位输出请用 printf("%lld")

 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/317244.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

学习Java中的数据结构及API这一篇就够了

Java中的数据结构及API 1. 线性表1-1. 顺序表Array数组ArrayList集合 1-2. 链表自定义链表LinkedList 2. 队列2-1. ArrayDeque2-2. LinkedList2-3. 区别 3. 栈3-1. ArrayDeque3-2. LinkedList 4. 树4-1. 二叉树定义 5. 图5-1. 图定义 1. 线性表 1-1. 顺序表 顺序表是指用一组…

DDAE: Denoising Diffusion Autoencoders are Unified Self-supervised Learners

DDAE: Denoising Diffusion Autoencoders are Unified Self-supervised Learners Paper&#xff1a;https://arxiv.org/abs/2303.09769 Code&#xff1a;https://github.com/FutureXiang/ddae TL; DR&#xff1a;扩散模型的训练其实就是训练一个去噪模型&#xff0c;考虑到类似…

大数据概念:数据网格和DataOps

数据网格&#xff08;Data Mesh&#xff09; 一种新型的数据架构模式&#xff0c;旨在解决传统数据架构中存在的一些问题&#xff0c;例如数据孤岛、数据冗余、数据安全等。数据网格将数据作为一种服务&#xff0c;通过在分布式环境中提供数据服务&#xff0c;实现数据的共享和…

cJSON代码解读

1、背景 cJSON用了很久&#xff0c;但是对它一直不太了解。这次向添加对long long类型的支持&#xff0c;一直出问题。因为有以前添加两位小数float的经历&#xff0c;我觉得会很轻松&#xff0c;没想到翻车了。于是有了这边文档&#xff0c;阅读了部分博主对cJSON的解析&…

《动手学深度学习》学习笔记 第7章 现代卷积神经网络

本系列为《动手学深度学习》学习笔记 书籍链接&#xff1a;动手学深度学习 笔记是从第四章开始&#xff0c;前面三章为基础知识&#xff0c;有需要的可以自己去看看 关于本系列笔记&#xff1a; 书里为了让读者更好的理解&#xff0c;有大篇幅的描述性的文字&#xff0c;内容很…

挑战Python100题(9)

100+ Python challenging programming exercises 9 Question 81 Please write a program to randomly print a integer number between 7 and 15 inclusive. Hints: Use random.randrange() to a random integer in a given range. 请编写一个程序,随机打印一个介于7和15之间…

Redis(二)

1、redis的持久化 "Redis 如何将数据写入磁盘"&#xff0c;首先要明白的时候&#xff0c;我们使用的redis的数据保存在内存上的&#xff0c;也就是说&#xff0c;只要我们的电脑关机或者重启服务器&#xff0c;那么在内存中的数据就会消失&#xff0c;所以要想持久化…

【深度学习-基础学习】Transformer 笔记

本篇文章学习总结 李宏毅 2021 Spring 课程中关于 Transformer 相关的内容。课程链接以及PPT&#xff1a;李宏毅Spring2021ML这篇Blog需要Self-Attention为前置知识。 Transfomer 简介 Transfomer 架构主要是用来解决 Seq2Seq 问题的&#xff0c;也就是 Sequence to Sequence…

高压放大器的工作原理和使用方法是什么

高压放大器是一种用于产生高电压输出信号的电子设备&#xff0c;通常用于科学研究、医疗、工业和通信领域。它的工作原理涉及到电路设计、放大器拓扑结构、元件选型和功率供应等多个方面。下面将详细介绍高压放大器的工作原理和使用方法。 一、工作原理 放大器拓扑结构&#xf…

msvcp140.dll丢失的错误解决办法,msvcp140.dll丢失的原因

如果你的电脑中正处于msvcp140.dll丢失或找不到msvcp140.dll的问题&#xff0c;那么可以尝试使用下面的方法进行解决msvcp140.dll丢失的问题。其实msvcp140.dll文件丢失的问题解决办法也很简单&#xff0c;但是出现msvcp140.dll丢失的问题却可能是有很多原因。接下来就给大家分…

IP地址、子网掩码与网络地址

一、IP地址 在 TCP/IP 体系中&#xff0c;IP 地址是一个最基本的概念。IP地址的作用&#xff1a;实现和网上的其他设备进行通信 IP地址的表示方法 互联网上的每台主机&#xff08;或路由器&#xff09;的每个接口都分配一个全世界唯一的IP地址。该IP地址由ICANN分配。 IP地址…

一文搞懂数据资产化和数据要素两级市场

在数字化时代&#xff0c;数据已经成为驱动经济社会发展的核心要素。数据资产化和数据要素市场的兴起&#xff0c;是这一时代发展的必然产物。本文将通过简洁明了的方式&#xff0c;为您解读数据资产化和数据要素的内涵及其相互关系。 一、数据资产化 数据资产化&#xff0c;简…