一维差分
算法原理:
一维差分是一种用于在数组中快速更新区间值的技巧。它通过在数组中保存相邻元素之间的差值来实现对区间的增量更新。
算法步骤:
- 初始化一个与原始数组长度相同的差分数组,初始值为0。
- 对于原始数组中的某个区间
[l, r]
,将差分数组的l
和r+1
的元素分别增加c
和减少c
。 - 最后通过计算差分数组的前缀和得到更新后的数组。
问题:
给定一个长度为n的整数序列,接着输入m个操作,每个操作包含三个整数l、r、c,表示将序列中[l, r]之间的每个数加上c。输出进行完所有操作后的序列。
数据范围:
- 1 ≤ n, m ≤ 100,000
- 1 ≤ l ≤ r ≤ n
- -1,000 ≤ c ≤ 1,000
- -1,000 ≤ 整数序列中元素的值 ≤ 1,000
代码:
#include<iostream>
using namespace std;
const int N = 100010;
int a[N], b[N], n, m;
int main()
{
// 读取输入的数组长度和操作次数
cin >> n >> m;
// 读取数组元素并计算差分数组
for(int i = 1; i <= n; i++)
{
cin >> a[i];
b[i] = a[i] - a[i - 1]; // 计算差分数组
}
// 执行操作
while(m--)
{
int l, r, c;
cin >> l >> r >> c;
b[l] += c; // 左端点加上c
b[r + 1] -= c; // 右端点+1减去c
}
// 恢复差分数组为原数组
for(int i = 1; i <= n; i++)
{
b[i] += b[i - 1]; // 还原差分数组为原数组
cout << b[i] << " "; // 输出结果
}
return 0;
}
二维差分
算法原理:
二维差分是一种用于在二维矩阵中快速更新子矩阵值的技巧。它通过在二维矩阵中保存相邻子矩阵之间的差值来实现对子矩阵的增量更新。
算法步骤:
- 初始化一个与原始二维矩阵大小相同的差分矩阵,初始值为0。
- 对于原始矩阵中的某个子矩阵
[x1, y1, x2, y2]
,将差分矩阵的[x1, y1]
和[x2+1, y2+1]
的元素分别增加c
,而[x1, y2+1]
和[x2+1, y1]
的元素分别减少c
。 - 最后通过计算差分矩阵的二维前缀和得到更新后的矩阵。
问题:
给定一个n行m列的整数矩阵,以及q个操作,每个操作包含五个整数x1、y1、x2、y2、c,其中(x1,y1)和(x2,y2)表示一个子矩阵的左上角坐标和右下角坐标,每个操作都要将选中的子矩阵中的每个元素的值加上c
数据范围:
- 1 ≤ n, m ≤ 1,000
- 1 ≤ q ≤ 100,000
- 1 ≤ x1 ≤ x2 ≤ n
- 1 ≤ y1 ≤ y2 ≤ m
- -1,000 ≤ c ≤ 1,000
- -1,000 ≤ 矩阵内元素的值 ≤ 1,000
代码:
#include<iostream>
using namespace std;
const int N = 1010;
int s[N][N], n, m, q;
// 定义插入函数,更新矩阵的值
void insert(int x1, int y1, int x2, int y2, int c)
{
// 对四个角的值进行更新
s[x1][y1] += c;
s[x1][y2 + 1] -= c;
s[x2 + 1][y1] -= c;
s[x2 + 1][y2 + 1] += c;
}
int main()
{
// 读取矩阵的行数、列数和查询次数
cin >> n >> m >> q;
// 读取矩阵元素并更新矩阵
for(int i = 1; i <= n; i++)
for(int j = 1; j <= m; j++)
{
int c;
cin >> c;
insert(i, j, i, j, c); // 对每个单元格进行更新
}
// 处理查询
while(q--)
{
int x1, y1, x2, y2, c;
cin >> x1 >> y1 >> x2 >> y2 >> c;
insert(x1, y1, x2, y2, c); // 更新查询范围内的单元格
}
// 计算前缀和并输出矩阵
for(int i = 1; i <= n; i++)
{
for(int j = 1; j <= m; j++)
{
// 计算前缀和
s[i][j] += s[i - 1][j] + s[i][j - 1] - s[i - 1][j - 1];
// 输出矩阵的值
cout << s[i][j] << " ";
}
// 换行输出
puts("");
}
return 0;
}
总结:
这两种差分方法在更新区间值时能够在常数时间内完成操作,并且适用于需要频繁更新区间值的场景,能够大大提高程序的效率。