[leetcode每日一题2021/8/31]1109. 航班预订统计【中等】差分数组

本文探讨了如何使用差分数组优化算法,快速计算每个航班上的预订座位总数。通过理解差分数组的定义(相邻元素差值)、特点(高效区间修改和查询)以及在LeetCode题目中的应用实例,提供了中等难度的解决方案。算法的时间复杂度为O(n+m),空间复杂度为O(n)。
摘要由CSDN通过智能技术生成

题目来源于leetcode,解法和思路仅代表个人观点。传送门
难度:中等
时间:-
TAG:差分数组

题目

这里有 n 个航班,它们分别从 1 到 n 进行编号。

有一份航班预订表 bookings ,表中第 i 条预订记录 bookings[i] = [firsti, lasti, seatsi] 意味着在从 firsti 到 lasti (包含 firsti 和 lasti )的 每个航班 上预订了 seatsi 个座位。

请你返回一个长度为 n 的数组 answer,其中 answer[i] 是航班 i 上预订的座位总数。

示例 1:

输入:bookings = [[1,2,10],[2,3,20],[2,5,25]], n = 5
输出:[10,55,45,25,25]
解释:
航班编号        1   2   3   4   5
预订记录 110  10
预订记录 220  20
预订记录 325  25  25  25
总座位数:      10  55  45  25  25
因此,answer = [10,55,45,25,25]

示例 2:

输入:bookings = [[1,2,10],[2,2,15]], n = 2
输出:[10,25]
解释:
航班编号        1   2
预订记录 110  10
预订记录 215
总座位数:      10  25
因此,answer = [10,25]

提示:

1 <= n <= 2 * 104
1 <= bookings.length <= 2 * 104
bookings[i].length== 3
1 <= firsti <= lasti <= n
1 <= seatsi <= 104

思路

leetcode原题解

如果生成一个二维数组保存bookings,在累加。那么肯定会超时。

我们需要一个方法,维护一段区间,使得在某段区间的修改,变得容易。并且能够在较短时间内获得,区间某个位置的值。

这个方法就是差分数组

差分数组

差分数组的定义?

对于数组 [1,2,2,4],其差分数组为 [1,1,0,2],差分数组的第 i i i个数即为原数组的第 i − 1 i-1 i1个元素和第 i i i个元素的差值。

差分数组的特点?

  • 对差分数组求前缀和即可得到原数组。(前缀和可以原地修改原数组)。
  • 当我们想对原数组的某个区间 [ l , r ] [l,r] [l,r]施加一个增量 i n c inc inc时,差分数组 d d d对应的改变是: d [ l ] d[l] d[l]增加 i n c inc inc d [ r + 1 ] d[r+1] d[r+1]减少 i n c inc inc这样对于区间的修改就变为了对于两个位置的修改。

代码

class Solution {
public:
    vector<int> corpFlightBookings(vector<vector<int>>& bookings, int n) {
        //区间查询
        vector<int> ans(n+1);
        for(auto &booking:bookings){
            int first = booking[0];
            int last = booking[1];
            int seats = booking[2];
            ans[first-1] += seats;
            ans[last] -= seats;
        }
        //计算前缀和
        for(int i=1;i<n;i++){
            ans[i] += ans[i-1];
        }
        ans.pop_back();
        return ans;
    }
};

算法复杂度

时间复杂度: O(n+m)。n为航班数量,m为bookings的长度。
空间复杂度: O(n)。n为差分数组ans长度。

在这里插入图片描述

  • 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》、《算法与数据结构基础》等,来深入理解这种算法思想。
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