关于离散化

前言：

关于上周打的一场积分赛，b题为简单离散化之后dp就ok，但是比赛期间完全没想到离散化，导致TLE之后不会优化，就没写出来，赛后补完题，又去练了一些离散化的题，也算有了一点理解

离散化

所谓离散化，把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。

通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。

比如说题目需要对1,10,100,90000000，10101010101数据进行处理，如果不进行离散化处理那么就需要开大小为10101010101的数组保存操作结果，很明显无法实现，这时候就需要用到离散化处理数据。

代码实现

在网上的离散化处理代码一般都是排序，去重，索引的方法

const int N=2e5+5;
int n,a[N],t[N];
void solve()
{
    // 读入数据
    cin>>n;
    for (int i=1;i =n;i++)
    {
        cin>>a[i];
        t[i]=a[i]; //复制到 t中 
    }
    //对数组 t排序
    sort(t+1,t+1+n);
    //去重并获取去重后的数组大小
    int q=unique(t+1,t+1+n)-(t+1); 
    for (int i=1;i<=n; i++){
        // 映射
        a[i]=lower_bound(t+1,t+1+q,a[i])-t;
    }
    return ; 
}

但我是利用map来实现离散化，个人感觉更加好用一点

const int N=2e5+5;
int n,a[N],sum[N];    
void solve()
{
    for(int i=1;i<=n;i++)
        cin>>sum[N];
    sort(sum+1,sum+1+n); //排序,某些题目可能不需要
    map<int,int>mp; 
    int q=0;
    //a[++q]=0;    //把起点设为 0 
    for(int i=1;i<=n;i++)
    {
        if(!mp[a[i]]) //判重 
        {
            a[++q]=a[i];
            mp[a[i]]=q;    //记录索引 
        }    
    }
    //得到一个a数组,索引从1~q,用map查找索引
    return ;
}

map查找的时间复杂度为O (log (n))，如果需要优化时间还可以使用unordered_map，unordered_map插入和查询速度接近于O (1) 。但是如果对内存使用特别严格，需要程序尽可能少消耗内存，那么应该是用map，因为unordered_map占用内存较多。

unordered_map已经加到C++11标准（编译时添加编译选项：--std=c++11）

C++ STL unordered_map容器用法详解

map和unordered_map区别及其优缺点

#include<unordered_map> 
using namespace std;
//unordered_map使用的头文件 
const int N=2e5+5;
unordered_map<int,int>ump;
//unordered_map因为占用内存多,开在函数外 
int n,a[N],sum[N];
void solve() //别的部分和 map一样 
{        
    for(int i=1;i<=n;i++)
        cin>>sum[N];
    sort(sum+1,sum+1+n);
    int q=0;
    //a[++q]=0;    //把起点设为 0 
    for(int i=1;i<=n;i++)
    {
        if(!ump[a[i]])
        {
            a[++q]=a[i];
            ump[a[i]]=q;
        }    
    }
    return ;
}

总结

离散化是程序设计中一个常用的技巧，它可以有效的降低时间复杂度。其基本思想就是在众多可能的情况中，只考虑需要用的值。离散化可以改进一个低效的算法，甚至实现根本不可能实现的算法。要掌握这个思想，必须从大量的题目中理解此方法的特点。