题目地址:
https://www.acwing.com/problem/content/1275/
从前有个人名叫WNB,他有着天才般的记忆力,他珍藏了许多许多的宝藏。在他离世之后留给后人一个难题(专门考验记忆力的啊!),如果谁能轻松回答出这个问题,便可以继承他的宝藏。题目是这样的:给你一大串数字(编号为 1 1 1到 N N N,大小可不一定哦!),在你看过一遍之后,它便消失在你面前,随后问题就出现了,给你 M M M个询问,每次询问就给你两个数字 A , B A,B A,B,要求你瞬间就说出属于 A A A到 B B B这段区间内的最大数。一天,一位美丽的姐姐从天上飞过,看到这个问题,感到很有意思(主要是据说那个宝藏里面藏着一种美容水,喝了可以让这美丽的姐姐更加迷人),于是她就竭尽全力想解决这个问题。但是,她每次都以失败告终,因为这数字的个数是在太多了!于是她请天才的你帮他解决。如果你帮她解决了这个问题,可是会得到很多甜头的哦!
输入格式:
第一行一个整数
N
N
N表示数字的个数。接下来一行为
N
N
N个数,表示数字序列。第三行读入一个
M
M
M,表示你看完那串数后需要被提问的次数。接下来
M
M
M行,每行都有两个整数
A
,
B
A,B
A,B。
输出格式:
输出共
M
M
M行,每行输出一个数,表示对一个问题的回答。
数据范围:
1
≤
N
≤
2
×
1
0
5
1≤N≤2×10^5
1≤N≤2×105
1
≤
M
≤
1
0
4
1≤M≤10^4
1≤M≤104
1
≤
A
≤
B
≤
N
1≤A≤B≤N
1≤A≤B≤N
思路是ST表。预处理一个二维数组 f f f, f [ i ] [ j ] f[i][j] f[i][j]指的是 max A [ i : i + 2 j − 1 ] \max A[i:i+2^j-1] maxA[i:i+2j−1]。这样 f [ i ] [ 0 ] = A [ i ] f[i][0]=A[i] f[i][0]=A[i],而 f [ i ] [ . > 0 ] f[i][.>0] f[i][.>0]可以递推得出: f [ i ] [ j ] = max { f [ i ] [ j − 1 ] , f [ i + 2 j − 1 ] [ j − 1 ] } f[i][j]=\max\{f[i][j-1], f[i+2^{j-1}][j-1]\} f[i][j]=max{f[i][j−1],f[i+2j−1][j−1]}这样在询问的时候,设询问是问 max A [ l : r ] \max A[l:r] maxA[l:r],设 m = r − l + 1 m=r-l+1 m=r−l+1即区间长度,则可以找到最大的 x x x使得 2 x < m 2^x< m 2x<m,这样可以保证 f [ l ] [ x ] f[l][x] f[l][x]和 f [ r − 2 x + 1 ] [ x ] f[r-2^x+1][x] f[r−2x+1][x]所覆盖的区间恰好就是 A [ l : r ] A[l:r] A[l:r]。所以 max A [ l : r ] = max { f [ l ] [ x ] , f [ r − 2 x + 1 ] [ x ] } \max A[l:r]=\max\{f[l][x],f[r-2^x+1][x]\} maxA[l:r]=max{f[l][x],f[r−2x+1][x]}。 x x x可以直接调用数学库里的 log 2 \log_2 log2函数计算。代码如下:
#include <cmath>
#include <cstring>
#include <iostream>
using namespace std;
const int N = 2e5 + 10, M = 19;
int n, m;
int f[N][M];
int main() {
scanf("%d", &n);
for (int i = 1; i <= n; i++) scanf("%d", &f[i][0]);
for (int j = 1; 1 << j < n; j++)
for (int i = 1; i + (1 << j) - 1 <= n; i++)
f[i][j] = max(f[i][j - 1], f[i + (1 << j - 1)][j - 1]);
scanf("%d", &m);
while (m--) {
int l, r;
scanf("%d%d", &l, &r);
int k = log2(r - l + 1);
printf("%d\n", max(f[l][k], f[r - (1 << k) + 1][k]));
}
}
预处理时间复杂度 O ( n ) O(n) O(n),每次询问时间 O ( 1 ) O(1) O(1),空间 O ( n log n ) O(n\log n) O(nlogn)。