首页 > 编程语言 >一维差分算法

一维差分算法

时间:2024-03-30 21:01:15浏览次数:17  
标签:arr 一维 int 差分 算法 数组 区间

目录

背景:

一维插分应用场景

一维差分法

原理解释


背景:

在刷javaA组蓝桥本真题时,碰到了一个用二维差分方法的解题思路,意识到自己差分不熟悉,就想先学习一下一维差分。

一维插分应用场景

题目给出一个一维数组,并多次修改某一区间的值。

例如:一个数组长度为8 ,初始均为0,

输入数据:   m 表示有m个修改区间

接下来m行   每行3个值left right value  表示区间的左右边界,以及该区间的每个元素加上value

输出:返回修改后的数组

例: 输入:        3

                            1        7        1

                             2        4        -3

                              4        5        4

输出:[ 1,-2,-2,2,5,1,1,0 ]

不用一维差分的解题方法。

import  java.util.*;
public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int [] arr = new int[8];
        int m = sc.nextInt();
        for (int i=0;i<m;i++){
            int left = sc.nextInt();
            int right =sc.nextInt();
            int value = sc.nextInt();
            for (int j=left;j<=right;j++){
                arr[j-1] +=value;
            }
        }
        for (int num : arr){
            System.out.print(num+" ");
        }
    }
}
/*

输入:
3
1 7 1
2 4 -3
4 5 4
*/

//输出 1 -2 -2 2 5 1 1 0

传统算法的时间复杂度:

假设:数组的大小为n,修改次数为m,修改区间平均下来是 1/2 n

那花费时间为 1/2mn 即时间复杂度为O(mn)

一维差分法

先说一下时间复杂度

一维差分的时间复杂度为O(n+m)

import  java.util.*;
public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int [] arr = new int[8];
        int m = sc.nextInt();
        for (int i=0;i<m;i++){
            int left = sc.nextInt();
            int right =sc.nextInt();
            int value = sc.nextInt();
            arr[left-1]+=value;
            arr[right]-=value;

        }
      for (int i=1;i<arr.length;i++){
          arr[i]+=arr[i-1];
      }
      for (int num :arr){
          System.out.print(num+" ");
      }
    }
}
/*

输入
3
1 7 1
2 4 -3
4 5 4
*/
//输出 1 -2 -2 2 5 1 1 0

原理解释

   每次要对区间[left, right]内的元素进行增减操作时,我们只需在差分数组中对两个位置进行修改:

  • arr[left]增加某个值val
  • arr[right+1]减少相同的值val

比如第一次要对区间[0,6]即第1到第7个元素修改,数值加1

那么只需让

arr[0]=1;

arr[7]=-1;

那么数组arr为 【1,0,0,0,0,0,-1,0】  状态1

实际数组应该是【1,1,1,1,1,1,1,0】  状态2

如何从状态1转化成状态2?

只需让状态1的数组从第二个元素开始加上前一位一维

比如说arr1=【1,0,0,0,0,0,-1,0】

那么遍历arr1  arr[i]=arr[i-1]+arr[i]

就可得到状态2的数组arr2=【1,1,1,1,1,1,1,0】

所以经历三次区间标记后

arr=【1,-3,0,4,3,-4,0,-1】

for (int i=1;i<arr.length;i++){
          arr[i]+=arr[i-1];
      }

经过遍历之后arr就变成【1,-2,-2,2,5,1,1,0】

标签:arr,一维,int,差分,算法,数组,区间
From: https://blog.csdn.net/xiao_xiao_w/article/details/137175525

相关文章

  • 毕业设计:基于深度学习的电影推荐算法 -- 以豆瓣为例 大数据
    目录前言设计思路一、课题背景与意义二、算法理论原理2.1GRU网络模型2.2语言模型2.3推荐算法三、检测的实现3.1数据集3.2实验环境搭建3.3实验及结果分析最后前言    ......
  • CHC5223数据结构和算法
    CHC5223数据结构和算法2023-2024第2学期课业1价值40%的课程个人工作学习成果学生将能够理解:1.1数据结构1.2数据结构的应用1.3面向对象编程概念1.4程序测试方法学生将掌握以下方面的技能:2.1数据抽象2.2数据结构的使用2.3使用高级面向对象语言进行更高级的编程2.4程序测试......
  • 算法模板 v1.10.5.20240330
    算法模板v1.1.1.20240115:之前历史版本已不可寻,创建第一份算法模板。v1.2.1.20240116:删除“编译”-“手动开栈”;删除“编译”-“手动开O优化”;修改“编译”-“CF模板”;删除“读写”;删除“图论”-“欧拉图”-“混合图”;删除“图论”-“可达性统计”;删除“数据类型”-“高精类”。......
  • 《算法笔记》系列----质数的判断(埃氏筛法)
    目录一、朴素算法二、埃氏筛法1、与朴素算法对比2、算法介绍   3、例题即代码实现一、朴素算法 从素数的定义中可以知道,一个整数n要被判断为素数,需要判断n是否能被2.3.n-1中的一个整除。只2,3..n-1都不能整除n,n才能判定为素数,而只要有一个能整除n的数出现,n就......
  • 算法学习——LeetCode力扣动态规划篇1
    算法学习——LeetCode力扣动态规划篇1509.斐波那契数509.斐波那契数-力扣(LeetCode)描述斐波那契数(通常用F(n)表示)形成的序列称为斐波那契数列。该数列由0和1开始,后面的每一项数字都是前面两项数字的和。也就是:F(0)=0,F(1)=1F(n)=F(n-1)+F(n-2......
  • 滑动窗口算法(Sliding Window Algorithm)
    滑动窗口的核心就是,右指针给窗口扩容,直至抵达扩容限制条件或抵达边界;左指针则是给窗口缩容,以释放限制条件的约束,保证窗口继续向边界移动。需求讲解给定一个字符串str,请找出其中不含有重复字符的最长子串的长度。publicstaticintlengthOfLongestSubstring(Stringstr){......
  • 有关链表算法题的一些思考
    1.针对链表的特性(1)双指针的方法:因为不管是删除还是添加元素,都要涉及指定位置元素的上一个元素,因此需要设置前后两个指针来实现操作,同时针对题目特殊性也可能会有三指针的情况,如LeetCode82的去重,第一个指针作为删除操作的前一个指针,而后两个指针则用来查取重复范围/**......
  • 四数之和算法讲解
    题目给你一个由 n 个整数组成的数组 nums ,和一个目标值 target 。请你找出并返回满足下述全部条件且不重复的四元组 [nums[a],nums[b],nums[c],nums[d]] (若两个四元组元素一一对应,则认为两个四元组重复):0<=a,b,c,d <na、b、c 和 d 互不相同nums[a]+num......
  • 图解《程序员面试常见的十大算法》及代码实现
    关注我,持续分享逻辑思维&管理思维;可提供大厂面试辅导、及定制化求职/在职/管理/架构辅导;有意找工作的同学,请参考博主的原创:《面试官心得--面试前应该如何准备》,《面试官心得--面试时如何进行自我介绍》, 《做好面试准备,迎接2024金三银四》。推荐热榜内容:《C#实例:SQL如何添加......
  • 时间序列预测算法python全集合--深度学习
    共整理了60+个深度学习的时间序列预测算法,Python代码,包括多输入单输出,单输入单输出。深度学习算法主要为:LSTM,bilstm,grubigru,arima,ssa-arima,ceemdan,bp,elm,kelm,knn,mlp,slp,svm,XGBOOST,lightgbm,catboost,rf,lssvm,RNN,SARIMA,transformer等智能优化算法:SSA,WOA,AVOA,CS,DBO,FA,FWA,GW......