算法补天系列之中级提高班1-CSDN博客

本文链接：https://blog.csdn.net/weixin_51529433/article/details/126167773

本文探讨了滑动窗口技巧在优化问题中的应用，如绳子覆盖问题和硬币找零的高效解法。通过贪心策略和滑动窗口算法降低时间复杂度，并展示了如何通过预处理和打表法简化问题。讨论了动态规划在找零问题中的优化，以及如何利用二进制编码解决特定问题。

摘要由CSDN通过智能技术生成

今天的主要技巧

滑动窗口，很多O(N)的思路就是这么来得
打表，简单格式的输入输出。
预处理数组/结构，省重复连续遍历。

题目一：

在这里插入图片描述

初始思路：假设绳子右侧点正好压住了这个点，然后看左边压了多少个点，这个是一个小的贪心策略
那我们要怎么实现这个思路：遍历吗？找一个>=绳子左距离的最短的点，可以用二分，找到之后就可以直接计算出来右边压在这个点能覆盖的点的数量

这个思路的时间复杂度N*logn

换个思路：有没有更好的方法，有。就是类似滑动窗口的思路。叫绳子的左边来压到每一个点。然后叫右边的串口去动，可以直接照着点去移动，然后确定绳子长度不超标就行，这里的实现方式可以理解为双指针（毕竟这两个确实是一个东西），这样的优势在于不会回退

所以时间复杂度：O(N)

来看看题目2：

在这里插入图片描述

看起来想找硬币那道题，可以用dp来做，不过也有不同，这道题我们最后可以优化的更好。
（ps:其实这道题>24个的偶数都能有结果）
我们思路1：暴力尝试，我们先看8个的袋子，最多要用多少个，然后每一次减一个，看6个的袋子能不能装剩下的，如果能正好装好，就直接OK，返回结果。一路见到8个的袋子没有了，要是还没有结果就返回-1。

这个思路可以优化吗？可以，我们不用试所有的8个袋子个数的类型。实际上，当我们一个个的减少八个苹果袋子的数量，导致留给六个的袋子的苹果数量>24个的时候，就没有必要去试了。因为这个时候我们会发现循环。因为将超过的部分分给八个的袋子之后，剩下的交给六个的袋子的苹果数你一定之前遇到过。

为什么，因为这样想，如果超过了24个，你用六个的袋子就算出结果了，你觉得能对吗？如果有结果，你一定可以用八个的先装好！！！
在这里插入图片描述

这个看起来很复杂，但是实际上是O(1)的方法，因为我们循环不了几次就出结果了。

这个思路很nb了对吧，但是这个思路本身是具有很强的局限性的。换个题目就不好使了。

但是这个时候我们说，当我发现一个题目，入参是整数，出参也是整数，我们可以一开始用一个很蠢很粗暴直接的方法，然后发现了规律之后，再去进行优化。
这个就是之前这个思路的代码的结果，发现规律了吗？
在这里插入图片描述

这个就是打表法，原理？思路？逻辑？爱谁谁，我就问这个规律做出来对不对吧？（ps:对）
甚至我还可以大胆的说，这个绝对绝对是最优解。还能有比这个更简单更快的吗？
另外补充一句，网上那些搞数学规律解题法的基本都是，先自己打表打出来结果，再去想数学的解释方式，最后写出一个基本看不懂的帖子来装逼。这种人下次见了就别惯着。

不是所有int->int的题目能这样，但是这样的题目确实是不罕见。约莫能有四成。

我们再来一个题目：

先后手两个动物来吃草，他们只能吃4^n的草并且不能不吃，我们现在有n份草，谁先吃完谁就赢了。问谁能赢？

好了，请问粗暴的代码怎么写？
前面几份草很简单，我们自己分析一下就行了。我们可以简单分析一下前面0-4的情况。

往下怎么做？

我们就问当前我吃1,4,16…份，问能不能找到一条路让我赢。找到了，就赢了。所以我们可以直接递归求，记得这个时候我们先后手转换了，每一次当前吃的4，看剩下的草自己转后手有没有机会。
在递归的时候注意一下，小心4之后溢出了。如果32位成了1，成了负数就是会无限循环了。所以我们要和N/4比较。
没有，那就是对面赢了
好了，我们把草从0-50份，用这个思路出一下结果。这个明显吗？
在这里插入图片描述

对吧，后先后先先的一个规律。
只要输入输出格式简单一些。我们就可以这样来看一下思路。
我甚至可以想到网上那些帖子的嘴脸了，一个个都是大数学家。给你一通分析，真的是。。。

我们再来看一个题目：

在这里插入图片描述
补充说明一下，这里的这个左侧是一个虚指，你可以叫左边两个是左侧，也可以叫整个是左侧，也可以整个都是右侧，左侧为空。
所以，我们可以枚举左侧部分的大小情况。统计一下有多少个G，染成R就可以了
这个是一个O(N^2）的方法，我们需要遍历两轮嵌套。但是里面的东西是一样的，我们来回来去遍历，实在是浪费。
那么我们能不能改善一下呢？我们可以设置一个数组，统计0-i范围上，R的数量，再做一个数组，统计i-N-1上，G的数量，有了这个，我们就不用每一轮都遍历一遍整个的了。直接取数组的数据就可以了。

这个就是数据的预处理。用空间换时间，把一些经常要遍历的数据我们通过存储遍历结果，省去后续还需要的空间。

再来一个例题：
在这里插入图片描述

首先，我们要知道n*n规模的矩阵，里面的子矩阵的数量是n⁴的规模。正方形子矩阵的数量是n³的规模。

那么这道题我们要怎么下手呢？
我们首先来一个粗暴的，那就是遍历行和列，二重循环确定左上角的点，然后遍历这个正方形的边长，注意边长的遍历上限。
好了，我们现在已经三重循环了，我们还要验证这个正方形的四条边，是不是数值都为1.
那么我们现在就是嵌套三个循环之后优嵌套了一个穿行的四个循环。太逆天了。
所以，我们要把验证数据的时间省下来。

这么看我们肯定是需要预处理的吧，这个应该没有什么疑问了，我们首先需要做一个矩阵，统计这个节点往右看，有多少个连续的1，再做一个矩阵，统计这个节点往下看，有多少个连续的1。
这个矩阵怎么用就很好联想了吧。
就是我们根据边长，去取矩阵的数据，和边长去比，大于边长就可以了。
这样一来，我们就从O(N⁴)->O(N³)