前缀和算法

文章介绍了如何使用一维和二维前缀和数组来快速计算整数序列或矩阵的区间和,通过构建前缀和数组,可以大大提高查询效率,适用于数据量大、查询频繁的场景。
摘要由CSDN通过智能技术生成

前缀和能快速求数组的区间和,大大降低实践复杂度

一维前缀和

模板
s[i] = a[1]+a[2]+a[3] +...+a[i];

a[l]+a[l+1]+...+a[r] = s[r] - s[l-1];
基本思路
sum[r] =a[1]+a[2]+a[3]+a[l-1]+a[l]+a[l+1]......a[r];
sum[l-1]=a[1]+a[2]+a[3]+a[l-1];
sum[r]-sum[l-1]=a[l]+a[l+1]+......+a[r];
模板题
输入一个长度为 n 的整数序列。
接下来再输入 m 个询问,每个询问输入一对 l,r。
对于每个询问,输出原序列中从第 l 个数到第 r 个数的和。
输入格式
第一行包含两个整数 n 和 m。
第二行包含 n 个整数,表示整数数列。
接下来 m 行,每行包含两个整数 l 和 r,表示一个询问的区间范围。
输出格式
共 m 行,每行输出一个询问的结果。
数据范围
1≤l≤r≤n,
1≤n,m≤100000,
−1000≤数列中元素的值≤1000
输入样例:
5 3
2 1 3 6 4
1 2
1 3
2 4
输出样例:
3
6
10
#include<iostream>
using namespace std;
const int N = 100010;
int a[N], s[N], m, n;
int main()
{
    scanf("%d%d",&n,&m);
    for(int i = 1; i <= n; i++)
    {
        scanf("%d", &a[i]);
    }
    s[0] = 0;
    for(int i = 1;i <= n; i++)
    {
        s[i] = a[i] + s[i - 1];
	}
    while(m--)
    {
        int l = 0, r = 0;
        scanf("%d%d", &l, &r);
        printf("%d\n", S[r] - s[l - 1]);
	}
}

二维前缀和

模板
S[i, j] = 第i行j列格子左上部分所有元素的和
以(x1, y1)为左上角,(x2, y2)为右下角的子矩阵的和为:
S[x2, y2] - S[x1 - 1, y2] - S[x2, y1 - 1] + S[x1 - 1, y1 - 1]
基本思路

小矩阵的和包含了四条边的边界,因此矩阵的和为S[x2, y2] - S[x1 - 1, y2] - S[x2, y1 - 1] + S[x1 - 1, y1 - 1];

由图可知,S[i][j] = S[i-1][j] +S[i][j-1] -S[i-1][j-1]+a[i][j],那么可利用二重循环求得s[i][j];

模板题
输入一个 n 行 m 列的整数矩阵,再输入 q 个询问,每个询问包含四个整数 x1,y1,x2,y2,表示一个子矩阵的左上角坐标和右下角坐标。
对于每个询问输出子矩阵中所有数的和。
输入格式
第一行包含三个整数 n,m,q。
接下来 n 行,每行包含 m 个整数,表示整数矩阵。
接下来 q 行,每行包含四个整数 x1,y1,x2,y2,表示一组询问。
输出格式
共 q 行,每行输出一个询问的结果。
数据范围
1≤n,m≤1000,
1≤q≤200000,
1≤x1≤x2≤n,
1≤y1≤y2≤m,
−1000≤矩阵内元素的值≤1000
输入样例:
3 4 3
1 7 2 4
3 6 2 8
2 1 2 3
1 1 2 2
2 1 3 4
1 3 3 4
输出样例:
17
27
21
#include<iostream>
using namespace std;
const int N = 1010;
int a[N][N],s[N][N] m, n, q;
int main()
{
	scanf("%d%d%d",&n, &m, &q);
	for(int i = 1;i <= n; i++)
	{
		for(int j = 1; j <= m;j++)
		{
			scanf("%d",&a[i][j]);
			s[i][j] = s[i-1][j] + s[i][j-1] - s[i-1][j-1] + a[i][j];
		}
	}
	while(q--)
	{
		int x1,x2,y1,y1;
		scanf("%d%d%d%d",&x1, &y1, &x2, &y2);
		printf("%d\n",s[x2][y2] - s[x1-1][y2] - s[x2][y1-1] + s[x1-1][y1-1])
	}
}

前缀和(Prefix Sum)算法是一种常见的动态规划技巧,常用于解决求解区间和或最频繁元素等问题。它通过计算数组中连续部分之和,可以方便地得到一些关于整个序列的信息。下面是一个使用Python编写的前缀和算法的基本示例,假设我们有一个数组`arr`,我们要计算任意区间的和: ```python def prefix_sum(arr): # 初始化前缀和数组 prefix_sum_array = [0] * (len(arr) + 1) # 计算累加和 for i in range(1, len(arr) + 1): prefix_sum_array[i] = prefix_sum_array[i - 1] + arr[i - 1] return prefix_sum_array # 示例 arr = [1, 2, 3, 4, 5] prefix_sums = prefix_sum(arr) # 现在我们可以快速获取区间和,例如 arr[1:4]的和就是prefix_sums[4] - prefix_sums[1] print(prefix_sums) # 输出: [1, 3, 6, 10, 15] # 要找到任意区间[a, b]的和,只需取prefix_sums[b+1] - prefix_sums[a] query_start = 1 query_end = 3 sum_query = prefix_sums[query_end + 1] - prefix_sums[query_start] ``` 如果你想利用前缀和解决最频繁元素的问题,可以在计算完前缀和之后,再遍历一次数组,记录下每个元素出现的最大前缀和索引(可以认为这是元素作为最大和元素的位置)。这样,当你遇到某个元素等于最大前缀和时,就找到了一个频繁元素。 ```python def max_freq_prefix(arr): prefix_sums = prefix_sum(arr) freq_map = {} for i, sum_i in enumerate(prefix_sums): if sum_i not in freq_map: freq_map[sum_i] = [i] else: freq_map[sum_i].append(i) max_freq_element = None max_freq_count = -1 for key, indices in freq_map.items(): count = len(indices) if count > max_freq_count: max_freq_count = count max_freq_element = arr[min(indices)] return max_freq_element, max_freq_count # 示例 max_freq, max_count = max_freq_prefix(arr) print(max_freq, max_count) # 输出: 5 2(因为5出现了两次) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值