【C++】前缀和算法专题

啊QQQQQ

已于 2024-08-01 00:02:40 修改

阅读量719

点赞数 21

分类专栏： C++ 算法专题文章标签：算法 c++ 数据结构

于 2024-07-31 23:42:07 首次发布

本文链接：https://blog.csdn.net/2301_80418172/article/details/140817018

版权

C++ 同时被 2 个专栏收录

22 篇文章 1 订阅

订阅专栏

算法专题

10 篇文章 0 订阅

订阅专栏

介绍

前缀和是指某序列的前n项和，可以把它理解为数学上的数列的前n项和，而差分可以看成前缀和的逆运算。合理的使用前缀和与差分，可以将某些复杂的问题简单化。

【模版】一维前缀和

模版前缀和【模板】前缀和_牛客题霸_牛客网

算法思路：

a. 先预处理出来⼀个「前缀和」数组：

⽤ dp[i] 表⽰： [1, i] 区间内所有元素的和，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] ；

b. 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] 。

代码实现

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


int main()
{
    int n;cin>>n;
    vector<int>s(n+1);
    int q=0;cin>>q;
    for(int i=1;i<=n;i++)cin>>s[i];
    vector<long long>dp(n+1);//防止数据溢出
    for(int i=0;i<=n;i++)
    dp[i]=dp[i-1]+s[i];
    while(q--)
    {
        int r=0,l=0;
        cin>>r>>l;
        cout<<dp[l]-dp[r-1]<<endl;
    }
    return 0;
}

【模版】二维前缀和

【模版二维前缀和】【模板】二维前缀和_牛客题霸_牛客网

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。因此我们接下来仅需完成两步即可：

◦ 第⼀步：搞出来前缀和矩阵

这⾥就要⽤到⼀维数组⾥⾯的拓展知识，我们要在矩阵的最上⾯和最左边添加上⼀⾏和⼀列0，这样我们就可以省去⾮常多的边界条件的处理（同学们可以⾃⾏尝试直接搞出来前缀和矩阵，边界条件的处理会让你崩溃的）。处理后的矩阵就像这样：

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 - 1 , j - 1 位置的值。

注意 dp 表与原数组 matrix 内的元素的映射关系：

i. 从 dp 表到 matrix 矩阵，横纵坐标减⼀；

ii. 从 matrix 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

a. sum[i][j] 的含义：

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。

代码实现

#include<bits/stdc++.h>
using namespace std;
int main()
{
    int n,m,q;
    cin>>n>>m>>q;
    vector<vector<int>>arr(n+1,vector<int>(m+1));
    //储存数组的元素
    for(int i=1;i<=n;i++)
    for(int j=1;j<=m;j++)
    cin>>arr[i][j];

    //预处理二维矩阵
    vector<vector<long long>>dp(n+1,vector<long long>(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];

    while(q--)
    {
        int x1,y1,x2,y2;
        cin>>x1>>y1>>x2>>y2;
        cout<<dp[x2][y2]-dp[x1-1][y2]-dp[x2][y1-1]+dp[x1-1][y1-1]<<endl;
    }
    return 0;
}

寻找数组中心的下标

寻找数组中心的下标. - 力扣（LeetCode）

算法思路

从中⼼下标的定义可知，除中⼼下标的元素外，该元素左边的「前缀和」等于该元素右边的「后缀

和」。

▪ 因此，我们可以先预处理出来两个数组，⼀个表⽰前缀和，另⼀个表⽰后缀和。

▪ 然后，我们可以⽤⼀个 for 循环枚举可能的中⼼下标，判断每⼀个位置的「前缀和」以及「后缀和」，如果⼆者相等，就返回当前下标。

代码实现

class Solution {
public:
    int pivotIndex(vector<int>& nums) {
        //统计前缀和和后缀和
        int n=nums.size();
        vector<int>f(n),g(n);
        for(int i=1;i<n;i++)
            f[i]=f[i-1]+nums[i-1];
        for(int i=n-2;i>=0;i--)
        g[i]=g[i+1]+nums[i+1];
        for(int i=0;i<n;i++)
        if(f[i]==g[i])return i;
        return -1;
    }
};

总结

此类方法命名为前缀和，并非仅仅是“前”缀和，也有可能是后缀和，与其将其看作是模版，不如将其理解为一种思想，灵活运用。

除自身以外数组的乘积

除自身以外数组的乘积. - 力扣（LeetCode）

算法思路

注意题⽬的要求，不能使⽤除法，并且要在 O(N) 的时间复杂度内完成该题。那么我们就不能使

⽤暴⼒的解法，以及求出整个数组的乘积，然后除以单个元素的⽅法。

继续分析，根据题意，对于每⼀个位置的最终结果 ret[i] ，它是由两部分组成的：

i. nums[0] * nums[1] * nums[2] * ... * nums[i - 1]

ii. nums[i + 1] * nums[i + 2] * ... * nums[n - 1]

于是，我们可以利⽤前缀和的思想，使⽤两个数组 post 和 suf，分别处理出来两个信息：

i. post 表⽰：i 位置之前的所有元素，即 [0, i - 1] 区间内所有元素的前缀乘积，

ii. suf 表⽰： i 位置之后的所有元素，即 [i + 1, n - 1] 区间内所有元素的后缀乘积，然后再处理最终结果。

代码实现

class Solution {
public:
    vector<int> productExceptSelf(vector<int>& nums) {
        int n=nums.size();
        vector<int>f(n,1),g(n,1);
        f[0]=1;g[n-1]=1;
        for(int i=1;i<n;i++)
        f[i]=f[i-1]*nums[i-1];
        for(int i=n-2;i>=0;i--)
        g[i]=g[i+1]*nums[i+1]; 
        vector<int>ans;
        for(int i=0;i<n;i++)
        {
            ans.push_back(f[i]*g[i]);
        }
        return ans;
    }
};

和为K的子数组

和为K的子数组. - 力扣（LeetCode）

算法思路

设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。

想知道有多少个「以 i 为结尾的和为 k 的⼦数组」，就要找到有多少个起始位置为 x1, x2,x3... 使得 [x, i] 区间内的所有元素的和为 k 。那么 [0, x] 区间内的和是不是就是sum[i] - k 了。于是问题就变成：

◦ 找到在 [0, i - 1] 区间内，有多少前缀和等于 sum[i] - k 的即可。

我们不⽤真的初始化⼀个前缀和数组，因为我们只关⼼在 i 位置之前，有多少个前缀和等于sum[i] - k 。因此，我们仅需⽤⼀个哈希表，⼀边求当前位置的前缀和，⼀边存下之前每⼀种前缀和出现的次数。

代码实现

class Solution {
public:
    int subarraySum(vector<int>& nums, int k) {
        map<int,int>hash;
        int sum=0;
        int ret=0;hash[0]=1;
        for(auto x:nums)
        {
            sum+=x;//求出前缀和
            if(hash[sum-k])ret+=hash[sum-k];//每次sum都是已知量，又推出的关系我们可以确定每次前一部分的序列也是已知量；
            hash[sum]++;
        }
        return ret;
    }
};

和可被整除的K的子数组

和可被整除的K的子数组. - 力扣（LeetCode）

算法思想

本题需要的前置知识：

• 同余定理

如果 (a - b) % n == 0 ，那么我们可以得到⼀个结论： a % n == b % n 。⽤⽂字叙述就是，如果两个数相减的差能被 n 整除，那么这两个数对 n 取模的结果相同。

例如： (26 - 2) % 12 == 0 ，那么 26 % 12 == 2 % 12 == 2 。

• c++ 中负数取模的结果，以及如何修正「负数取模」的结果

a. c++ 中关于负数的取模运算，结果是「把负数当成正数，取模之后的结果加上⼀个负号」。例如： -1 % 3 = -(1 % 3) = -1

b. 因为有负数，为了防⽌发⽣「出现负数」的结果，以 (a % n + n) % n 的形式输出保证为正。

例如： -1 % 3 = (-1 % 3 + 3) % 3 = 2。

思路与 560. 和为 K 的⼦数组这道题的思路相似。

设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。

• 想知道有多少个「以 i 为结尾的可被 k 整除的⼦数组」，就要找到有多少个起始位置为 x1,x2, x3... 使得 [x, i] 区间内的所有元素的和可被 k 整除。

• 设 [0, x - 1] 区间内所有元素之和等于 a ， [0, i] 区间内所有元素的和等于 b ，可得(b - a) % k == 0 。

• 由同余定理可得， [0, x - 1] 区间与 [0, i] 区间内的前缀和同余。于是问题就变成：

◦ 找到在 [0, i - 1] 区间内，有多少前缀和的余数等于 sum[i] % k 的即可。

代码实现

class Solution {
public:
    int subarraysDivByK(vector<int>& nums, int k) {
        int ret=0;
        map<int,int>hash;
        hash[0]=1;
        int sum=0;
        for(auto n:nums)
        {
            sum+=n;
            int r=(sum%k+k)%k;
            if(hash.count(r))ret+=hash[r];
            hash[r]++;
        }
        return ret;
    }
};

连续数组

连续数组. - 力扣（LeetCode）

算法思想

稍微转化⼀下题⽬，就会变成我们熟悉的题：

• 本题让我们找出⼀段连续的区间， 0 和 1 出现的次数相同。

• 如果将 0 记为 -1 ， 1 记为 1 ，问题就变成了找出⼀段区间，这段区间的和等于 0 。

• 于是，就和 560. 和为 K 的⼦数组这道题的思路⼀样

设 i 为数组中的任意位置，⽤ sum[i] 表⽰ [0, i] 区间内所有元素的和。

想知道最⼤的「以 i 为结尾的和为 0 的⼦数组」，就要找到从左往右第⼀个 x1 使得 [x1, i]区间内的所有元素的和为 0 。那么 [0, x1 - 1] 区间内的和是不是就是 sum[i] 了。于是问题就变成：

• 找到在 [0, i - 1] 区间内，第⼀次出现 sum[i] 的位置即可。

我们不⽤真的初始化⼀个前缀和数组，因为我们只关⼼在 i 位置之前，第⼀个前缀和等于 sum[i]的位置。因此，我们仅需⽤⼀个哈希表，⼀边求当前位置的前缀和，⼀边记录第⼀次出现该前缀和的

位置。

代码实现

class Solution {
public:
    int findMaxLength(vector<int>& nums) {
        int n=nums.size();
        int sum=0;
        map<int,int>hash;
        hash[0]=-1;
        int ret=0;
        for(int i=0;i<nums.size();i++)
        {
            sum+=nums[i]==0?-1:1;
            if(hash.count(sum))ret=max(ret,i-hash[sum]);//如果满足条件就不需要更新左端点
            else
            hash[sum]=i;//如果不符合时就需要不断地更新左端点
        }
        return ret;
    }
};

总结

上面的这4道题，又很高的相似性，都是在一段序列中，后一部分是连续的，而前面的一部分与整个序列的和具有一定的关系，每次我们求出的整个序列的sum都是已知的，通过退出的前一段序列的前缀和与整个数组的前缀和关系,可以得到前一段序列的前缀和，比如sum-k,sum%k...我们只需要每次查找有多少个满足条件的子序列即可；

矩阵区域和

矩阵区域和. - 力扣（LeetCode）

算法思想

⼆维前缀和的简单应⽤题，关键就是我们在填写结果矩阵的时候，要找到原矩阵对应区域的「左上

⻆」以及「右下⻆」的坐标（推荐⼤家画图）左上⻆坐标： x1 = i - k ， y1 = j - k ，但是由于会「超过矩阵」的范围，因此需要对 0取⼀个 max 。因此修正后的坐标为： x1 = max(0, i - k), y1 = max(0, j - k) ;

右下⻆坐标： x1 = i + k ， y1 = j + k ，但是由于会「超过矩阵」的范围，因此需要对 m- 1 ，以及 n - 1 取⼀个 min 。因此修正后的坐标为： x2 = min(m - 1, i + k), y2 = min(n - 1, j + k) 。

然后将求出来的坐标代⼊到「⼆维前缀和矩阵」的计算公式上即可~（但是要注意下标的映射系）。

代码实现

class Solution {
public:
    vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) {
        int m=mat.size();//行
        int n=mat[0].size();//列
       vector<vector<int>>dp(m+1,vector<int>(n+1));//数组映射
        //预处理二维矩阵
        for(int i=1;i<=m;i++)
        for(int j=1;j<=n;j++)
        dp[i][j]=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1]+mat[i-1][j-1];
        vector<vector<int>>ret(m,vector<int>(n));
        //往原来数组中填充
        for(int i=0;i<m;i++)
        {
            for(int j=0;j<n;j++)
            {
                //下标映射到dp数组
                int x1=max(0,i-k)+1;
                int y1=max(0,j-k)+1;
                int x2=min(m-1,i+k)+1;
                int y2=min(n-1,j+k)+1;
                ret[i][j]=dp[x2][y2]-dp[x1-1][y2]-dp[x2][y1-1]+dp[x1-1][y1-1];//在dp矩阵中计算
            }
        }
        return ret;

    }
};