Subsequence

时间限制:C / C ++ 1秒,其他语言2秒
空间限制:C / C ++ 65536K,其他语言131072K
64位IO格式:%lld
译文描述
给出了N个正整数(10 <N <100 000)的序列,每个正整数均小于或等于10000,并给出了一个正整数S(S <100 000 000)。编写程序以查找序列中连续元素的子序列的最小长度,其总和大于或等于S。
输入描述
第一行是测试用例的数量。对于每个测试用例,程序必须从第一行读取数字N和S,并以一个间隔将其隔开。序列号在测试用例的第二行中给出,以间隔分隔。输入将以文件结尾结束。
输出描述:
对于每种情况,程序都必须将结果打印在输出文件的单独一行上。如果没有答案,则打印0。
输入

2
10 15
5 1 3 5 10 7 4 9 2 8
5 11
1 2 3 4 5

输出

2
3

个人思路在这里插入图片描述
算法核心:尺取法。(双指针)
首先序列连续且为正,自然先用前缀和存数据。先右指针移动到恰好使得序列符合要求的位置,这也是右指针在此时位置使得序列长度最小的情况,记录下左指针位置。接下来去找其他情况,看会不会比第一个情况小,右指针向右移动到下个位置,此时右指针向左移动没有意义(不会使和变大),若满足,则左指针向右,看序列还能不能更短。一直重复下去……
(代码有详注)

//Subsequence
//尺取法 
#include <iostream> 
#include <cstring>
#include <cstdio>
using namespace std;
int a[1000010];//定义输入数组
int tot[30][100]; 
int main()
{
	int t;
	cin>>t;
	while(t--)
	{
	int n,i,r,j,flag=0,minn;
	int flag1=0;//标记第一次遇到符合条件的序列 
	memset(a,0,sizeof(a));
	cin>>n>>r;
	for(i=1;i<=n;i++)	{ cin>>a[i];if(i>1) a[i]+=a[i-1];}//一边输入,一边转化为前缀和 
	int sum=0,p=0;
	for(i=1;i<=n;i++)//后指针 
	{
	for(j=p+1;j<i;j++)//前指针 
	{
		if(a[i]-a[j]>=r)//如果找到符合条件的序列 
		{
		if(!flag)	{flag=1;minn=i-j;}//第一次找到,先给最小长度minn赋值 
		else if(i-j<minn)	minn=i-j;//非第一次找到,更新最小长度minn
		p=j;//标记前指针j的位置,下次直接从j后面的一个位置搜索 
		}
		else	break;//若不符合直接退出,因为再往后移和只会变小 
	}
	}
	if(!flag)	cout<<"0"<<endl;//若找不到符合条件的,输出0 
	else cout<<minn<<endl;//输出最小长度 
	}
}
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 最长公共子序列(Longest Common Subsequence)指的是在两个序列中找到最长的公共子序列,这个公共子序列可以不连续,但是需要保持相对顺序不变。例如,对于序列ABCD和ACDFG,它们的最长公共子序列是ACD。 ### 回答2: 最长公共子序列(Longest Common Subsequence,简称LCS)是指在给定多个序列中,找到最长的一个子序列,该子序列同时出现在这些序列中,并且其他元素的相对顺序保持一致。 举个例子,假设有两个序列A和B,A为[1, 2, 3, 4, 5],B为[2, 4, 5, 6]。它们的一个最长公共子序列是[2, 4, 5],该子序列同时存在于A和B中。 求解LCS的问题可以用动态规划的方法来解决。我们可以构建一个二维数组dp,其中dp[i][j]表示序列A的前i个元素和序列B的前j个元素的LCS长度。那么dp[i][j]可以通过以下方式得到: 1. 如果A[i]等于B[j],则dp[i][j]等于dp[i-1][j-1] + 1; 2. 如果A[i]不等于B[j],则dp[i][j]等于max(dp[i-1][j], dp[i][j-1])。 通过填充整个dp数组,最终可以得到序列A和序列B的LCS长度。要找到具体的LCS序列,则可以通过反向遍历dp数组进行构建。 LCS问题在字符串处理、DNA序列匹配、版本控制等领域都有广泛的应用。其时间复杂度为O(m*n),其中m和n分别为序列A和序列B的长度。 ### 回答3: 最长公共子序列(Longest Common Subsequence)是一个经典的计算机科学问题。给定两个序列S和T,我们要找出它们之间最长的公共子序列。 子序列是从给定序列中按顺序选择几个元素而组成的序列。而公共子序列指的是同时是序列S和T的子序列的序列。 为了解决这个问题,可以使用动态规划的方法。我们可以定义一个二维数组dp,其中dp[i][j]表示序列S的前i个元素和序列T的前j个元素之间的最长公共子序列的长度。 接下来,我们可以使用以下递推关系来填充dp数组: 如果S[i]等于T[j],则dp[i][j] = dp[i-1][j-1] + 1; 如果S[i]不等于T[j],则dp[i][j] = max(dp[i-1][j], dp[i][j-1])。 最后,我们可以通过查看dp[S.length()][T.length()]来得到最长公共子序列的长度。 此外,我们也可以用回溯法来还原最长公共子序列本身。我们可以从dp[S.length()][T.length()]开始,如果S[i]等于T[j],则将S[i]添加到结果序列中,并向左上方移动,即i = i-1,j = j-1。如果S[i]不等于T[j],则根据dp数组的值选择向上(i = i-1)或向左(j = j-1)移动。 总之,最长公共子序列问题是一个经典的计算机科学问题,可以使用动态规划的方法解决。我们可以通过构建二维dp数组来计算最长公共子序列的长度,并可以使用回溯法来还原它本身。
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