算法笔记_给定一张包含若干障碍物和垃圾-CSDN博客

本文链接：https://blog.csdn.net/qq_33500066/article/details/113189742

这篇博客深入探讨了算法的各个方面，包括排序算法（如全排序、归并排序、快排等）、查找技术（如二分查找、插值查找）、动态规划问题（如0-1背包、最长公共子序列）以及数据结构的应用（如栈、链表、数组）。此外，还涉及了二叉树、数学问题、字符串处理、链表操作和数组操作等经典算法题目，是提升算法技能的重要参考资料。

摘要由CSDN通过智能技术生成

限制长度的最大连续子序列和（dp+滑窗+前缀和数组)

地图中左上角走到右下，再回到左上，两条路径不能重复的最小代价

排序

全排序Next Permutation

从后往前，找第一个满足V[i]<V[i+1]的，此时[i+1,最后)是递减

然后从后往前找第一个j，V[j]>V[i]

交换i,j，让[i+1,最后)变成递增序列

归并排序 -- 数组中的逆序对个数

void mergeSortCalNiXu(vi &V,int l,int r,int &ans){
	if((r-l)<=1) return;
	int mid = l+(r-l)/2;
	//递归合并左右子数组
	mergeSortCalNiXu(V,l,mid,ans);
	mergeSortCalNiXu(V,mid,r,ans);

	vi data(r-l);
	int k=0;
	int i=l,j=mid;
	while(i<mid and j<r){
		if(V[i]<=V[j]){
			data[k++]=V[i++];
			ans+=j-mid;//i能走到这，说明它比j之前的都要大，仅仅比j小
		}else{		
			data[k++]=V[j++];
		}
	}
	while(i<mid){
		ans+=r-mid;
		data[k++]=V[i++];
	}
	while(j<r) data[k++]=V[j++];
	UF(i,l,r) V[i]=data[i-l];
}
note：

计数时，不能前半数组元素比后半大时计算，应该要<=时计算，这时才知道最后i应该加几个逆序，否则会出现重加的问题

当i还有剩时，加上右边数组长度的逆序对数目

快排

区间左闭右开，第二重while循环移动指针时用开，i或j==哨兵时，交换哨兵，最后递归时注意mid不要再参与
//采取交换pilot两侧的目标，更快速
template <typename T>
void my_qsort(vector<T> &V,int start,int end){//qucik sort
    if(start>=end) return;
	int mid=start+(end-start)/2;//pilot
	int i=start,j=end;
    while(true){
        
		while(V[i]<V[mid]) i++;//找pilot前面比pilot大的
		while(V[mid]<V[j]) j--;//找pilot后面比pilot小的
        if(i>j) break;
        
        swap(V[i],V[j]);
        if(i==mid) mid=j;//哨兵位置发生变化
        else if(j==mid) mid=i;
		i++;
        j--;
	}
	//上述操作之后 哨兵位于i位置,j在其左侧
	my_qsort(V,start,j);
	my_qsort(V,i,end);
}
平均复杂度计算：假设T(k)表示k长度的时间，划分点选择任一概率相同， $T(n) = \frac{1}{n}\sum_{k=0}^{n-1}(T(k-1)+T(n-k)) = \frac{2}{n}\sum_{k=0}^{n-1}(T(k))$ ，k-1和n-k在k=0,1,...,n-1都算过，相当于每个k求了两次，然后通过T(n)-T(n-1)求递推式的解

稳定快排

给记录多加一个编号域，做双关键字的快排

学习自我已飞过的答案

堆排序 -- TopK问题

维护一个含K个数的最小堆，遍历数组，比根小则丢弃，最后堆剩下的即为TopK，O(NlogK)

希尔排序(缩小增量排序，优化的插入排序)

查找

二分查找-- 最大最小值问题力扣410

插值查找(二分查找的优化)

思想：当要查找的数位于数组的边缘时，可以将二分的分割点倾斜以减小查找区间大小

$mid = \frac{X-V[i]}{V[r]-V[l]]}*(r-l)$

大数据的中位数--快排分割思想+外存

递增二维矩阵，查找某个值

比较右上角元素与值

若大，则右边一列可以扔掉，查看第1-倒数第二列的矩阵

若小，则左边一行可以扔掉，查看第2-最后一行的矩阵

二维矩阵找第K元素

每个位置遍历，在左下角、右上角进行二分，查找比当前位置小的元素个数

复杂度O(nm*log(nm))

大数据中查找数(外存排序、压缩+哈希)

大数据由于数据量较大，本质还是查找，所以依旧可以分为两种思路：散列、排序再查找，大数据的与众不同在于数据不能直接放进内存，需要拆分，通过外存作为中转，外存排序

压缩+哈希

举例：40亿32bit数组找是否存在某个数

40亿*32bit = 2^2*2^5^10亿 = 2^7*10*9 = 2^37，因为2^10=1024可以约等于1000

而32bit系统内存最大是2^32 bit，所以存不下

但是这题设置32bit，以及40亿这个数，就是想我们用压缩的方式，bitmap，用1bit表示一个32bit数是否存在的情况，这样内存就够用了

解法：32bit内存全用来存储，第i位=1表示i这个数存在于数组，然后查这个数位置上的0,1就判断出是否存在了

举例2：手机号MD5加密之后，如何快速查找？1000万的数据2G的内存怎么实现高效？

MD5加密后得到128bit=2^7bit

1000万*2^7 = 10^7*2^7 = 2^27*10 = 2^30*1.25

2G = 2^31次方

内存存的下，这题是128bit数据就不能像上面题那么做了，bitmap内存需要2^128

这题用hash表

外存排序

举例：40亿32bit数组找是否存在某个数

大小分析见上文

编程珠玑里提供了方案，通过根据第一位是否为0，将数组分成两部分，再根据第二位，分成4部分，依次类推，分到某一部分4G内存可以完全存下了，就可以扔到内存hash或者排序解决了

有序数组之和的TopK问题

大顶堆，堆中保存（数值，左元素编号，右元素编号），先让A[n-1]+B[m-1]入堆，

然后弹出堆顶元素，将堆顶元素相近的两个元素入堆（i-1,j)(i,j-1)，调整堆结构，

重复上一行操作，直至弹出K个
#include<algorithm>
#include <functional>
using namespace std;
//C++中的堆
int maint(){
    vector<int> V = {3,5,2,6,4);
    make_heap(V.begin(),V.end(),greater<int>());//建堆
    //最后插入元素
    V.push_back(7);
    push_heap(V.begin(),V.end());//调整最后一个元素的堆位置

    pop_heap(V.begin(),V.end());//弹出堆顶元素
    int x = V.pop_back();

    sort_heap(V.begin(),V.end(),greater<int>());//堆排序
}

动态规划

限制长度的最大连续子序列和（dp+滑窗+前缀和数组)

dp[i]表示以i结尾时答案，s[i]表示该答案下子序列长度

状态转移方程：

if s[i-1] < m：

if V[i]>=V[i]+dp[i-1]：

dp[i] = V[i]

s[i] = 1

else：

dp[i] = V[i]+dp[i-1]

s[i] = s[i-1]+1

else：

j = i-s[i-1] //找i-1答案的左边界+1，左边界直接扔掉

while(j<i and V[i]<=0) j++；

求[j,i-1)和sum，可用前缀和优化

if V[i]>=V[i]+sum：

dp[i] = V[i]

s[i] = 1

else：

dp[i] = V[i]+sum

s[i] = (i-1-j)+1

最小编辑距离

dp[i][j]表示s1串前i子串与s2前j子串的最小编辑距离

if s1[i]==s2[j]) dp[i][j] = dp[i-1][j-1];

else dp[i][j] = min(dp[i-1][j]+1, dp[i][j-1]+1, dp[i-1][j-1]+1)

3个数依次表示

删除i或在j后插入

删除j或在i后插入

修改i或j