图文详解！二分、前缀和、差分算法原理与实战应用全解析

二分，前缀和，差分算法

二分，前缀和，差分算法是解决大规模区间问题的关键优化方法，下面是笔者总结的知识点，仅供参考~

例题P1083借教室

输入样例

4 3 
2 5 4 3 
2 1 3 
3 2 4 
4 2 4

输出样例

-1 
2

算法思路

核心思想：二分查找 + 差分数组

1. 二分查找
   • 确定第一个无法满足的订单编号。
   • 对订单进行二分，检查前 mid 份订单是否可行。
2. 差分数组
   • 快速计算区间更新后的每天需求。
   • 差分数组 diff 记录区间变化，通过前缀和还原每天总需求。
3. 可行性检查
   • 计算前 mid 份订单的总需求，若某天需求超过可用教室数，则返回 false。

优化代码示例

#include<iostream>
#include<vector>
using namespace std;

int n,m;
vector<int> num(n);//存储每天租借的教室数量
struct Rent{
	int rentNum;
	int rentBegin;
	int rentEnd;
};
vector<Rent> rent(m);

//分配教室
int dealClass(const vector<int>& count,const vector<Rent>& arr){
	for(int i=1;i<=m;i++){//遍历处理每一份订单 
		for(int j=rent[i].rentBegin;j<=rent[i].rentEnd;j++){//遍历更新区间的每一个值 
			if(num[j] < rent[i].rentNum){//如果当前教室数量小于申请量 
				cout<<"-1"<<endl;
				cout<<i<<endl;
				return 0; 
			}
			num[j] -= rent[i].rentNum;
		}
		cout<<"0"<<endl;
		return 0;
	}
}

int main(){
	cin>>n>>m;
	for(int i=1;i<=n;i++){
		cin>>num[i];
	}
	for(int i=1;i<=m;i++){
		cin>>rent[i].rentNum>>rent[i].rentBegin>>rent[i].rentEnd;
	}

	dealClass(num,rent);
	return 0;
}

暴力双重循环

#include <iostream>
#include <vector>
using namespace std;

int n, m;
vector<int> r; // 存储每天可租借的教室数量
vector<int> diff; // 差分数组

// 分配教室并检查是否满足
bool allocate() {
    diff.assign(n + 2, 0); // 初始化差分数组
    
    for (int i = 0; i < m; ++i) {
        int d, s, t;
        cin >> d >> s >> t;
        
        // 更新差分数组
        diff[s] += d;
        if (t + 1 <= n) diff[t + 1] -= d;
    }

    // 计算前缀和并检查是否满足
    int current = 0;
    for (int i = 1; i <= n; ++i) {
        current += diff[i];
        if (current > r[i]) return false;
    }
    return true;
}

int main() {
    cin >> n >> m;
    r.resize(n + 1);
    
    for (int i = 1; i <= n; ++i) {
        cin >> r[i];
    }

    if (allocate()) {
        cout << 0 << endl;
    } else {
        cout << -1 << endl;
        // 这里需要重新找到第一个不满足的订单（暴力方法）
        // 由于原暴力方法无法高效找到，建议使用二分查找
        // 此处仅为示例，实际应使用二分查找
        cout << "1" << endl; // 示例输出，需修正
    }
    return 0;
}

暴力方法局限性：

• 无法高效找到第一个不满足的订单
• 时间复杂度高（O (nm)）
• 大数据量下会超时

建议优先使用二分查找 + 差分数组的优化方法。