LeetCode-327. 区间和的个数

20 篇文章 0 订阅
4 篇文章 0 订阅

leetcode327
传送门:https://leetcode.cn/problems/count-of-range-sum/
思路:归并排序 / 树状数组(线段树)
1.归并排序
首先是利用前缀和数组将问题转换为两数之差问题,对于前缀和 pre[i],寻找 j>i 且 pre[j]-pre[i] 位于 [lower,upper] 的下标 j 的个数
而归并排序的合并过程时,此时前后两个数组 pre[l,h] 和 pre[h+1,r],对于已经是已排序状态了,那么对于前数组 pre[l,h],是可以求得其对于后数组 pre[h+1,r] 的合法个数的。对于 pre[l,h]的下标 i ,已可求得在区间 [h+1,r], 而对于其它区间的 j 是可以在归并过程的其它过程中求得的。

2.树状数组(线段树)
同样是对于前缀和数组进行分析,对于 pre[i],当 j>i, pre[j] 位于区间 [pre[i]+lower, pre[i]+upper] 之间是合法的,因此可以从左到右遍历pre, 对于 pre[i],查询线段树中下标pre[i]的个数, 然后将区间 [pre[i]+lower, pre[i]+upper] 加1,需要注意将 pre[i],pre[i]+lower, pre[i]+upper哈希离散化

Code 1.归并排序:

class Solution {
    int res;
    long long lower,upper;
    vector<long long> tmp;
public:
    int countRangeSum(vector<int>& nums, int lower, int upper) {
        int n=nums.size();
        vector<long long> dd(n+1);
        res=0;
        this->lower=lower;
        this->upper=upper;
        tmp.resize(n+1);
        for(int i=0;i<n;++i)
            dd[i+1]=dd[i]+nums[i];
        mergeSort(dd,0,n);
        return res;
    }

    void mergeSort(vector<long long> &nums,int l,int r){
        if(l==r){ return; }
        int h=l+(r-l)/2;
        mergeSort(nums,l,h);
        mergeSort(nums,h+1,r);
        for(int i=l;i<=r;++i)
            tmp[i]=nums[i];
        int ll=h+1,rr=h+1;
        for(int i=l;i<=h;++i)
        {
            while(rr<=r&&(tmp[rr]-tmp[i])<=upper){
                ++rr;
            }
            while(ll<rr&&(tmp[ll]-tmp[i])<lower){
                ++ll;
            }
            res+=rr-ll;
        }
        int l2=h+1,t=l;
        while(t<=r){
            if(l2==r+1){
                nums[t++]=tmp[l++];
            }else if(l==h+1){
                nums[t++]=tmp[l2++];
            }else if(tmp[l]<=tmp[l2]){
                nums[t++]=tmp[l++];
            }else{
                nums[t++]=tmp[l2++];
            }
        }
    }
};

code 2.数组数组

class Solution {
    vector<int> C;
public:
    int countRangeSum(vector<int>& nums, int lower, int upper) {
        int n=nums.size(),res=0;
        vector<long long> proN(n+1);
        for(int i=0;i<n;++i)
            proN[i+1]=proN[i]+nums[i];
        map<long long,int> mp;
        for(auto v:proN)
        {
            mp[v]=1;
            mp[v+lower]=1;
            mp[v+upper]=1;
        }
        int t=1;
        for(auto &v:mp)
            v.second=t++;
        C.resize(t);
        for(auto v:proN)
        {
            res+=query(mp[v]);
            update(mp[v+lower],1);
            update(mp[v+upper]+1,-1);
        }
        return res;
    }

    int lowbit(int x){
        return x&(-x);
    }

    void update(int id,int x){
        while(id<C.size()){
            C[id]+=x;
            id+=lowbit(id);
        }
    }

    int query(int id){
        int res=0;
        while(id>0){
            res+=C[id];
            id-=lowbit(id);
        }
        return res;
    }
};
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 好的,我来用中文回复这个链接:https://leetcode-cn.com/tag/dynamic-programming/ 这个链接是 LeetCode 上关于动态规划的题目集合。动态规划是一种常用的算法思想,可以用来解决很多实际问题,比如最长公共子序列、背包问题、最短路径等等。在 LeetCode 上,动态规划也是一个非常重要的题型,很多题目都需要用到动态规划的思想来解决。 这个链接里包含了很多关于动态规划的题目,按照难度从简单到困难排列。每个题目都有详细的题目描述、输入输出样例、题目解析和代码实现等内容,非常适合想要学习动态规划算法的人来练习和提高自己的能力。 总之,这个链接是一个非常好的学习动态规划算法的资源,建议大家多多利用。 ### 回答2: 动态规划是一种算法思想,通常用于优化具有重叠子问题和最优子结构性质的问题。由于其成熟的数学理论和强大的实用效果,动态规划在计算机科学、数学、经济学、管理学等领域均有重要应用。 在计算机科学领域,动态规划常用于解决最优化问题,如背包问题、图像处理、语音识别、自然语言处理等。同时,在计算机网络和分布式系统中,动态规划也广泛应用于各种优化算法中,如链路优化、路由算法、网络流量控制等。 对于算法领域的程序员而言,动态规划是一种必要的技能和知识点。在LeetCode这样的程序员平台上,题目分类和标签设置十分细致和方便,方便程序员查找并深入学习不同类型的算法LeetCode的动态规划标签下的题目涵盖了各种难度级别和场景的问题。从简单的斐波那契数列、迷宫问题到可以用于实际应用的背包问题、最长公共子序列等,难度不断递进且话题丰富,有助于开发人员掌握动态规划的实际应用技能和抽象思维模式。 因此,深入LeetCode动态规划分类下的题目学习和练习,对于程序员的职业发展和技能提升有着重要的意义。 ### 回答3: 动态规划是一种常见的算法思想,它通过将问题拆分成子问题的方式进行求解。在LeetCode中,动态规划标签涵盖了众多经典和优美的算法问题,例如斐波那契数列、矩阵链乘法、背包问题等。 动态规划的核心思想是“记忆化搜索”,即将中间状态保存下来,避免重复计算。通常情况下,我们会使用一张二维表来记录状态转移过程中的中间值,例如动态规划求解斐波那契数列问题时,就可以定义一个二维数组f[i][j],代表第i项斐波那契数列中,第j个元素的值。 在LeetCode中,动态规划标签下有众多难度不同的问题。例如,经典的“爬楼梯”问题,要求我们计算到n级楼梯的方案数。这个问题的解法非常简单,只需要维护一个长度为n的数组,记录到达每一级楼梯的方案数即可。类似的问题还有“零钱兑换”、“乘积最大子数组”、“通配符匹配”等,它们都采用了类似的动态规划思想,通过拆分问题、保存中间状态来求解问题。 需要注意的是,动态规划算法并不是万能的,它虽然可以处理众多经典问题,但在某些场景下并不适用。例如,某些问题的状态转移过程比较复杂,或者状态转移方程中存在多个参数,这些情况下使用动态规划算法可能会变得比较麻烦。此外,动态规划算法也存在一些常见误区,例如错用贪心思想、未考虑边界情况等。 总之,掌握动态规划算法对于LeetCode的学习和解题都非常重要。除了刷题以外,我们还可以通过阅读经典的动态规划书籍,例如《算法竞赛进阶指南》、《算法数据结构基础》等,来深入理解这种算法思想。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值