算法竞赛进阶指南读书笔记——0x03前缀和与差分

前缀和与差分

前缀和

定义：$S_n=\sum _{i=1}^n{a}_i$

应用：求部分和

$sum(l,r)=\sum _{i=l}^r{a}_i=S_r-S_{l-1}$

$O(n)$预处理前缀和，$O(1)$查询部分和

---

例1激光炸弹

思路：二维前缀和

即要求最大的二维部分和，故可以先预处理出二维前缀和，再遍历所有的二维部分和。

先求二维前缀和，记$S_{m,n}=\sum _{i=1}^m\sum _{j=1}^n{a}_{i,j}$.

仿照一维前缀和，我们有$a_n=S_n-S_{n-1}\iff S_n=S_{n-1}+a_n$,利用递推初始化$S_n$;类似的，我们可以利用递推初始化$S_{m,n}$,即寻找$S_{m,n}$与$S_{m-1,n},S_{m,n-1},S_{m,n},a_{m,n}$之间的关系，如下图所示：

写作数学表达式即为：

$S_{m,n}=S_{m-1,n}+S_{m,n-1}-S_{m-1,n-1}+a_{m,n}$,需$O(m\ast n)$时间完成初始化。

再利用二维前缀和求二维部分和，利用部分和区域的四个顶点，如下图所示：

写作数学表达式即为：

$\sum _{i=i_1}^{i_2}\sum _{j=j_1}^{j_2}{a}_{i,j}=S_{i_2,j_2}-S_{i_2,j_1-1}-S_{i_1-1,j_2}+S_{i_1-1,j_1-1}(\ast )$

回到本题，我们假设爆炸范围右下角坐标为$(i,j)$,那么左上角坐标为$(i-R+1,j-R+1)$,如图：

代入$(\ast )$得：

$sum(i,j)=S_{i,j}-S_{i,j-R}-S_{i-R,j}+S_{i-R,j-R}$

这里有一个细节需要注意，即题中所给$(X_i,Y_i)$为格点坐标而非格子。我们可以将其视为坐标为$(X_i,Y_i)$格子的中点，而爆炸边界位于格子边线，如图：

此时(黑色边界)能容纳的格点数最多；反之，若选择格点边线做爆炸边界(灰色边界)，则因边界上目标不会被摧毁而使容纳量降低。

此时将格点视作其所在的格子，即转化为上述分析所对应的情形。

实现：

#include <bits/stdc++.h>
using namespace std;
const int N = 5e3 + 5;
int s[N][N];
int main() {
  int n, r, x, y, w, max_x = 0, max_y = 0, ans = -1;
  cin >> n >> r;
  r = min(r, 5001); // 特判全覆盖；0化为1，5000化为5001
  for (int i = 0; i < n; i++) {
    cin >> x >> y >> w;
    s[x + 1][y + 1] += w; // 坐标从0开始
    max_x = max(max_x, x + 1), max_y = max(max_y, y + 1);
  }
  max_x = max(max_x, r), max_y = max(max_y, r); // 1.
  for (int i = 1; i <= max_x; i++)
    for (int j = 1; j <= max_y; j++)
      s[i][j] = s[i - 1][j] + s[i][j - 1] - s[i - 1][j - 1] + s[i][j]; // 2.
  for (int i = r; i <= max_x; i++)
    for (int j = r; j <= max_y; j++)
      ans = max(ans, s[i][j] - s[i][j - r] - s[i - r][j] + s[i - r][j - r]);
  cout << ans << endl;
  return 0;
}

细节：

1.前缀和计算范围：先考虑上界：

(1)包含所有有点区域，即$x⩾\max X_i,y⩾\max Y_i$.(2)满足贴边的爆炸区域，即$x,y⩾R$,如下图所示：

当$\max X_i⩽R$时，在x方向上为了尽可能的纳入更多的格子，爆炸范围应贴边摆放；此时应保证贴边时右下角的前缀和完成初始化，否则无法得到正确的结果。

当$max{X}_i>R$时，在x方向上为了不纳入空白格子，爆炸范围下边界不会超出$max{X}_i$.

再考虑下界：

由$S_{1,1}=a_{1,1}$,故此时仅$S_{1,1}$完成初始化，而$S_{1,j},S_{i,1}$并未完成，故需从$(1,1)$开始初始化。

综上，前缀和计算范围为$\{\begin{array}{l}1⩽x⩽\max X_i,\\ 1⩽y⩽\max Y_i\end{array}$

2.此题所给空间不够两个数组，故将$a_{i,j}$直接存在$S_{i,j}$中，由于前缀和计算时右边到左边$i,j$递增，故可保证$a_{i,j}$不会被提前抹去，且$S_{i,j}$计算顺序准确，从而可得到正确的$S_{i,j}$.

差分

定义：$b_1=a_1,b_i=a_i-a_{i-1}(2⩽i⩽n)$

性质：与前缀和互为逆运算

略证：${\Delta }_{S_i}=S_i-S_{i-1}=a_i,\sum _{i=1}^n{\Delta }_i=a_1+\sum _{i=2}^n(a_i-a_{i-1})=a_1+a_n-a_1=a_n$

应用：将原序列上的区间操作转化为差分序列上的单点操作，即$a_{i..j}+d\iff {\Delta }_i+d,{\Delta }_{j+1}-d$

略证：

对于${\Delta }_{\mathrm{1..}i-1}$,由于$a_{\mathrm{1..}i-1}$不变，无影响；

对于${\Delta }_i$,由于$a_i+d$而$a_{i-1}$不变，故${\Delta }_i+d$；

对于${\Delta }_{i+\mathrm{1..}j}$,由于$a_{i..j}+d$，故${\Delta }_{i+\mathrm{1..}j}$不变;

对于${\Delta }_{j+1}$,由于$a_j+d$而$a_{j+1}$不变，故${\Delta }_{j+1}-d$

特别的，当j=n时，此时${\Delta }_{n+1}$无意义，可设为任意值

---

例2 IncDec Sequence

思路：差分

容易想到将区间操作转化为单点操作。题中操作即转化为选择差分序列中的两个数，一个加一，一个减一，使得${\Delta }_{\mathrm{2..}n}=0$.

由于题目条件要求操作次数最少，故优先在${\Delta }_{\mathrm{2..}n}$中操作。设其中正数之和为$p$，负数之和为$-q$，两两配对并操作至无法配对，共操作 min ⁡ { p , q } \min\{p,q\} min{p,q}次。

接着处理${\Delta }_{\mathrm{2..}n}$中剩余非0项。一方面，我们可以利用${\Delta }_1$,它不在目标要求之中；另一方面，我们可以利用${\Delta }_{n+1}$,它没有定义，可任意设值。因此，我们可以将剩余非零项与${\Delta }_1,{\Delta }_{n+1}$配对并使之归零，需操作$|p-q|$次。

综上，至少操作 m i n { p , q } + ∣ p , q ∣ = m a x { p , q } min\{p,q\}+|p,q|=max\{p,q\} min{p,q}+∣p,q∣=max{p,q}次。

值得注意的是，我们不会将${\Delta }_1,{\Delta }_{n+1}$配对，它对目标达成无任何贡献；从区间操作的角度来看，相当于将$a_{\mathrm{1..}n}$同时变化，显然无效。

换言之，中间的数受到其左右两边数大小的限制，而首尾两数只受其一边数大小的限制，我们先处理限制强的，再利用限制松的进行调整。

再考虑最终数列的种数。导致答案出现多解的根源在于处理${\Delta }_{\mathrm{2..}n}$中剩余非0项时利用${\Delta }_1,{\Delta }_{n+1}$情况不同。因此，解的个数即为将$|p-q|$拆成两数的组数，为$|p-q|+1$组。

实现：

cin >> n >> pre;
for (int i = 1; i < n; i++) {
  cin >> cur;
  d = cur - pre; // 差分值仅取决与前驱值和当前值，可使用两个变量节省空间
  d > 0 ? p += d : q -= d;
  pre = cur;
}
cout << max(p, q) << endl; 
cout << abs(p - q) + 1 << endl;

例3 Tallest Cow

思路：差分

先证任意区间不会交叉，否则对于编号为$a,b,c,d$的4头牛(其中$a<b<c<d$)且$a,c$与$b,d$互相看见，由$b,d$互相看见$\Rightarrow c<b$,与$b<c$矛盾！所以不存在交叉区间。

我们可以将牛的初始高度看作等高(为0)，然后通过降低部分牛的身高使其满足条件。

对于第一组关系，为了使$A,B$能互相看见，我们将$A,B$中间的所有牛身高降低一格，为这些牛的最高身高，如图：

由于我们已经证明了任意两个区间不会交叉，故与$A,B$有关的区间与$A,B$形成嵌套关系。

若$A^{\prime },B^{\prime }$在$A,B$内，直接将$A^{\prime },B^{\prime }$间的牛身高降低一格，如图：

这样既满足了$A^{\prime },B^{\prime }$的要求，又满足了$A,B$的要求。

若$A^{\prime },B^{\prime }$在$A,B$内，类似的，将$A^{\prime },B^{\prime }$间的牛身高降低一格，如图：

若我们只降低$A,B$的高度，而不降低$A,B$中间的高度，尽管$A^{\prime },B^{\prime }$的关系得到满足，但$A,B$关系被破坏，原因在于$A..B$构成一个满足条件的整体，只修改$A..B$的端点会破坏该整体，从而使$A，B$不再满足条件；反过来，将它们全部降低，此时$A..B$作为整体整体降低一格，关系得到保留。

对于区间操作，容易想到用差分降低时间复杂度；我们可以维护奶牛身高数列的差分数列，每次降低身高时在区间端点进行操作，最后再求前缀和还原出奶牛的身高。

实现：

for (int i = 0; i < m; i++) {
  cin >> A >> B;
  if (A > B) // 保证A..B中A<B
    swap(A, B);
  if (!vis[A][B]) // 去重
    b[A + 1]--, b[B]++, vis[A][B] = 1; // 1.
}
for (int i = 1; i <= n; i++) {
  s += b[i];
  cout << s + h << endl; // 2.
}

细节：

1.此处用差分维护区间操作：将$A+\mathrm{1..}B-1$全部减一，等价于${\Delta }_{A+1}-1,{\Delta }_B+1$

2.由于不会有跨过最高牛的区间，故前缀和还原后的数列中最高牛对应高度为0，所以需将所有牛加上高度H得到真正的最大高度