【子矩阵】【高效算法设计】

.子矩阵

小A 有一个N×M 的矩阵,矩阵中1~N*M 这(N*M)个整数均出现过一次。现在小A 在这个矩阵内选择一个子矩阵,其权值等于这个子矩阵中的所有数的最小值。小A 想知道,如果他选择的子矩阵的权值为i(1<=i<=N×M),那么他选择的子矩阵可能有多少种?小A 希望知道所有可能的i 值对应的结果,但是这些结果太多了,他算不了,因此他向你求助。
输入格式
第一行,两个整数N, M。
接下来的N 行,每行M 个整数,表示矩阵中的元素。
输出格式
N×M 行,每行一个整数,其中第i 行的整数表示如果小A 选择的子矩阵权
值为i,他选择的子矩阵的种类数。


输入样例
2 3
2 5 1
6 3 4


输出样例
6

4

5

1

1

1


数据范围
对于30%的数据,1<=N, M<=50;
对于全部的数据,1<=N, M<=300。

 

Solution:

首先我觉得关于这种矩阵的题还是很有必要总结一下的。这是第一道典型:寻找关于某些满足条件矩阵的信息(矩阵当然是连续的)

 

我们先考虑怎么暴力。

枚举所有的子矩阵:即 枚举四个边界,然后查找最小值 复杂度达到了惊人的

O(N6 )。

 

那么考虑如何优化这么暴力的枚举方法

①      枚举的条件太多时,可以考虑部分枚举:参见高效算法设计。那么在这道题中,我们可以考虑只枚举上下边界,枚举完一个上界和下界后。我们对在这之间的所有子矩阵处理。

②      如何处理:对于上下边界之间的每一列,我们可以求出该列中的最小值。这个可以预处理得到。复杂度N(枚举每一个整列需要N*N) 然后YZ大神说可以用RMQ 快速N*logN搞出来。

③      然后。我们考虑每一列的最小值可以最多向右向左扩展的长度。所谓扩展的意思是指,当前最小值能影响的最远的地方。

示意一下。

 

      |       |      |       |      |        |

      |        |     |        |      |       |

      |       |      |        |     |        |

————————————————————————————-————

1          4      3      6     7        5         2

 

下面表示该列的最小值。那么考虑3

向左可以扩展到 4(位置2) 向右可以扩展到 5(位置6)

那么记录 L[3]=2R[3]==6   

那么L 到R 之间包含了 3 这一列的所有矩阵的最小值都是3!

那么一共有多少个矩阵呢 答案是 (K-L+1)*(R-K+1) K就是当前位置

 

 

用一个单调堆来维护整个区间,就可以高效的算出每个点最远可以拓展的点。

 

假设我们先算可以向右拓展多远。

单调栈中有

 

1入栈       1

4入栈       1 4

3入栈       1 3  (弹出了4)说明4只能扩展到3 这个位置

6入栈       1 3 6

7入栈       1 3 6 7

5入栈       1 3 5 (弹出了6 7,)说明6 7 只能扩展到 5 这个位置

2入栈       1 2   (弹出了3 5) 说明 3 5只能扩展到 2所在的位置、

然后栈里面剩下的树都可以扩展到最右边。

左边就不说了。

 

由此可以的出答案。


 
 
#include<cstdio>
#include<iostream>
#include<cstring>
#include<stack>
using namespace std ;
const int maxn = 305 , inf = 0x3f3f3f3f ;
int n , m , s [ maxn ][ maxn ], miny [ maxn ], ans [ maxn * maxn ], L [ maxn ], R [ maxn ];
stack < int > q ;
inline void _read ( int & x ){
char t = getchar (); bool sign = true ;
while ( t < '0' || t > '9' )
{ if ( t == '-' ) sign = false ; t = getchar ();}
for ( x = 0 ; t >= '0' && t <= '9' ; t = getchar ()) x = x * 10 + t - '0' ;
if ( ! sign ) x =- x ;
}
int main (){
_read ( n ); _read ( m );
int i , j , k ;
for ( i = 1 ; i <= n ; i ++ )
for ( j = 1 ; j <= m ; j ++ ) _read ( s [ i ][ j ]);
for ( i = 1 ; i <= n ; i ++ ){
memset ( miny , inf , sizeof ( miny ));
for ( j = i ; j <= n ; j ++ ){
for ( k = 1 ; k <= m ; k ++ ) miny [ k ] = min ( miny [ k ], s [ j ][ k ]);
for ( k = 1 ; k <= m ; k ++ ){
while ( q . size () && miny [ k ] < miny [ q . top ()]){
R [ q . top ()] = k - 1 ;
q . pop ();
}
q . push ( k );
}
while ( q . size ()){
R [ q . top ()] = m ;
q . pop ();
}
for ( k = m ; k ; k -- ){
while ( q . size () && miny [ k ] < miny [ q . top ()]){
L [ q . top ()] = k + 1 ;
q . pop ();
}
q . push ( k );
}
while ( q . size ()){
L [ q . top ()] = 1 ;
q . pop ();
}
for ( k = 1 ; k <= m ; k ++ )
ans [ miny [ k ]] += ( R [ k ] - k + 1 ) * ( k + 1 - L [ k ]);
}
}
for ( i = 1 ; i <= n * m ; i ++ )
printf ( "%d \n " , ans [ i ]);
}

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
最大矩阵问题是一个经典的算法问题,可以通过贪心算法来解决。贪心算法的基本思想是每一步都做出局部最优的选择,以求得全局最优解。 在解决最大矩阵问题时,可以利用动态规划的思想。我们可以定义一个辅助矩阵dp,其dp[i][j表示以矩阵第i行第j列元素为右下角的矩阵的最大大小。然后,我们可以通过以下递推关系来计算dp矩阵的每个元素: dp[i][j = matrix[i][j + dp[i-1][j + dp[i][j-1 - dp[i-1][j-1] 其,matrix[i][j表示原始矩阵第i行第j列的元素。 然后,我们可以遍历dp矩阵的每个元素,找到其的最大值,即为最大矩阵的大小。 对于给定的例,我们可以得到以下dp矩阵: 0 -2 -9 -9 9 11 1 0 5 -1 -2 -1 4 3 5 6 其,最大矩阵的大小为15,对应的矩阵为: 9 2 -4 1 -1 8 因此,最大矩阵的大小为15。 可以看出,通过利用贪心算法和动态规划的思想,我们可以高效地解决最大矩阵问题。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [最大矩阵(贪心算法)](https://blog.csdn.net/Annconda/article/details/127173365)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [贪心算法——1224:最大矩阵](https://blog.csdn.net/qq_45700119/article/details/122025478)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [最大矩阵——贪心算法](https://blog.csdn.net/FENGXUEYINCHEN/article/details/111940408)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“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