(C/C++)STL函数(3)二分算法题以及二分模板 和(蓝桥杯)递推与递归题目及解法(ACwing)

简介: (C/C++)STL函数(3)二分算法题以及二分模板 和(蓝桥杯)递推与递归题目及解法(ACwing)

一、STL函数


1、#include <deque>

双端队列deque是一个支持在两端高效插入或删除元素的连续线性存储空间。它就像是vector和queue的结合。与vector相比,deque在头部增删元素仅需要 O(1)O(1) 的时间;与queue相比,deque像数组一样支持随机访问。

[]              // 随机访问
begin/end       // 返回deque的头/尾迭代器
front/back      // 队头/队尾元素
push_back       // 从队尾入队
push_front      // 从队头入队
pop_back        // 从队尾出队
pop_front       // 从队头出队
clear           // 清空队列


2.1、 #include <set>


头文件set主要包括set和multiset两个容器,分别是“有序集合”和“有序多重集合”,即前者的元素不能重复,而后者可以包含若干个相等的元素。set和multiset的内部实现是一棵红黑树,它们支持的函数基本相同。


2.2 size/empty/clear


与vector类似


2.3 迭代器


set和multiset的迭代器称为“双向访问迭代器”,不支持“随机访问”,支持星号*解除引用,仅支持++和--两个与算术相关的操作。


设it是一个迭代器,例如set<int>::iterator it;


若把it ++,则it会指向“下一个”元素。这里的“下一个”元素是指在元素从小到大排序的结果中,排在it下一名的元素。同理,若把it --,则it将会指向排在“上一个”的元素。


2.4 begin/end


返回集合的首、尾迭代器,时间复杂度均为 O(1)O(1)。


s.begin()是指向集合中最小元素的迭代器。


s.end()是指向集合中最大元素的下一个位置的迭代器。换言之,就像vector一样,是一个“前闭后开”的形式。因此-- s.end()是指向集合中最大元素的迭代器。


2.5 insert


s.insert(x)把一个元素x插入到集合s中,时间复杂度为 O(logn)O(logn)。


在set中,若元素已存在,则不会重复插入该元素,对集合的状态无影响。


2.6 find


s.find(x)在集合s中查找等于x的元素,并返回指向该元素的迭代器。若不存在,则返回s.end()。时间复杂度为 O(logn)O(logn)。


2.7 lower_bound/upper_bound


这两个函数的用法与find类似,但查找的条件略有不同,时间复杂度为 O(logn)O(logn)。


s.lower_bound(x)查找大于等于x的元素中最小的一个,并返回指向该元素的迭代器。


s.upper_bound(x)查找大于x的元素中最小的一个,并返回指向该元素的迭代器。


2.8 erase


设it是一个迭代器,s.erase(it)从s中删除迭代器it指向的元素,时间复杂度为 O(logn)O(logn)。


设x是一个元素,s.erase(x)从s中删除所有等于x的元素,时间复杂度为 O(k+logn)O(k+logn),其中 kk 是被删除的元素个数。


2.9 count


s.count(x)返回集合s中等于x的元素个数,时间复杂度为 O(k+logn)O(k+logn),其中 kk 为元素x的个数。(ACWing)


#include <iostream>
#include <set>
using namespace std;
int main ()
{
    set <int> a;// 元素不能重复
    multiset <int> b; // 元素可以重复
    struct Rec
    {
        int x, y;
        bool operator <(const Rec& t) const//重载小于号
        {
            return x < t.x;
        }
        set <Rec> c;//set定义一个结构体
    }
    set <int>::iterator it = a.begin();//定义一个迭代器
    it ++;//有序数对中加加
    it--;
    a.end();//表示最后一个元素的后一个数
    a.insert(x);
    if(a.find(x) == a.end()); //判断x在a中是否存在。
    a.low_bound(x);//找到大于等于x的最小的元素的迭代器
    a.upper_bound(x);//查找大于x的元素中最小的一个
    a.erase(x);//从a中删除迭代器x指代的元素
    a.count(x);
    return 0;
}


二、二分算法(数的精度


数的范围


给定一个按照升序排列的长度为 nn 的整数数组,以及 qq 个查询。


对于每个查询,返回一个元素 kk 的起始位置和终止位置(位置从 00 开始计数)。


如果数组中不存在该元素,则返回 -1 -1。


输入格式


第一行包含整数 nn 和 qq,表示数组长度和询问个数。


第二行包含 nn 个整数(均在 1∼100001∼10000 范围内),表示完整数组。


接下来 qq 行,每行包含一个整数 kk,表示一个询问元素。


输出格式


共 qq 行,每行包含两个整数,表示所求元素的起始位置和终止位置。


如果数组中不存在该元素,则返回 -1 -1。


数据范围


1≤n≤1000001≤n≤100000

1≤q≤100001≤q≤10000

1≤k≤100001≤k≤10000


输入样例:

6 3
1 2 2 3 3 4
3
4
5

输出样例:

3 4
5 5
-1 -1
#include<iostream>
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;
const int N = 100010;
int n, m;//n是数组长度,m表示查询次数
int q[N];
int main ()
{
    cin >> n >> m;
    for(int i = 0; i < n; i++) cin >> q[i];
    for(int i = 0; i < m; i++)
    {
        int x;
        cin >> x;
        int l = 0, r = n - 1;//定义左右两端点
        while(l < r)//递归求左端点
        {
            int mid = l + r >> 1;//l + r 除以2
            if(q[mid] >= x) r = mid;//说明q[mid]在答案右边此时mid的值赋给右边界
            else l = mid + 1;//否则q[mid]在答案左边此时mid+1的值赋给左边界
        }
        if(q[r] == x)
        {
            cout << r << ' ';//如果q[r] == x说明找到了起始的左边界并且输出
            r = n - 1;
            while(l < r)//递归求右端点
            {
                int mid = r + l + 1 >> 1;//mid 要加一是为了防止死循环
                if(q[mid] <= x) l = mid;//说明q[mid]在答案左边此时mid的值赋给左边界
                else r = mid - 1;//否则q[mid]在答案右边此时mid-1的值赋给右边界
            }
            cout << l << endl;
        }
        else cout << "-1 -1" << endl;
    }
    return 0;
}

三、(蓝桥杯)递推与递归题目及解法(ACwing)


1、递归实现指数型枚举


从 1∼n1∼n 这 nn 个整数中随机选取任意多个,输出所有可能的选择方案。


输入格式


输入一个整数 nn。


输出格式


每行输出一种方案。


同一行内的数必须升序排列,相邻两个数用恰好 11 个空格隔开。


对于没有选任何数的方案,输出空行。


本题有自定义校验器(SPJ),各行(不同方案)之间的顺序任意。


数据范围


1≤n≤151≤n≤15


输入样例:

3

输出样例:

3
2
2 3
1
1 3
1 2
1 2 3
#include <iostream>
#include <cstring>
#include <cstdio>
#include <algorithm>
using namespace std;
const int N = 20;//数组开大些
int st[N];//表示每个位置的当前状态,0表示还没考虑,1表示选他,2表示不选
int n;
void dfs(int u)
{
    if (u > n) //从1 开始,当 u > n 时表示已经到边界了
    {
        for(int i = 1; i <= n; i++)
        if(st[i] == 1)
            printf("%d ", i);
            printf("\n");
        return;
    }
    st[u] = 2;
    dfs(u + 1); //第一个分支,不选
    st[u] = 0;//恢复现场
    st[u] = 1;
    dfs(u + 1);//第二个分支,选
    st[u] = 0;
}
int main ()
{
    cin >> n;
    dfs(1);//从0位到n-1 位
    return 0;
}

2、递归实现排列型枚举


把 1∼n1∼n 这 nn 个整数排成一行后随机打乱顺序,输出所有可能的次序。


输入格式


一个整数 nn。


输出格式


按照从小到大的顺序输出所有方案,每行 11 个。


首先,同一行相邻两个数用一个空格隔开。


其次,对于两个不同的行,对应下标的数一一比较,字典序较小的排在前面。


数据范围


1≤n≤91≤n≤9


输入样例:

3

输出样例:

1 2 3
1 3 2
2 1 3
2 3 1
3 1 2
3 2 1

闫学灿老师画的递归搜索树


image.png

#include<iostream>
#include<cstring>
#include<cstdio>
#include<algorithm>
using namespace std;
const int N = 10; 
int n;
int st[N];//0表示还没放数,1到n表示放的数
bool used[N];
void dfs(int u)
{
    if(u > n)
    {
        for(int i = 1; i <= n; i++) printf("%d ", st[i]);
        puts("");
        return;
    }
    //依次枚举每个分支,即当前位置可以填哪些数
    for(int i = 1; i <= n; i++)
    if(!used[i])
    {
        st[u] = i;
        used[i] = true;
        dfs(u + 1);
        //恢复现场
        st[u] = 0;
        used[i] = false;
    }
}
int main ()
{
    cin >> n;
    dfs(1);
    return 0;
}
相关文章
|
1月前
|
机器学习/深度学习 算法 C++
【DFS/回溯算法】2016年蓝桥杯真题之路径之谜详解
题目要求根据城堡北墙和西墙箭靶上的箭数,推断骑士从西北角到东南角的唯一路径。每步移动时向正北和正西各射一箭,同一格不重复经过。通过DFS回溯模拟“拔箭”过程,验证路径合法性。已知箭数约束路径唯一,最终按编号输出行走顺序。
|
6月前
|
存储 监控 算法
基于 C++ 哈希表算法实现局域网监控电脑屏幕的数据加速机制研究
企业网络安全与办公管理需求日益复杂的学术语境下,局域网监控电脑屏幕作为保障信息安全、规范员工操作的重要手段,已然成为网络安全领域的关键研究对象。其作用类似网络空间中的 “电子眼”,实时捕获每台电脑屏幕上的操作动态。然而,面对海量监控数据,实现高效数据存储与快速检索,已成为提升监控系统性能的核心挑战。本文聚焦于 C++ 语言中的哈希表算法,深入探究其如何成为局域网监控电脑屏幕数据处理的 “加速引擎”,并通过详尽的代码示例,展现其强大功能与应用价值。
153 2
|
8月前
|
存储 算法 数据处理
公司局域网管理中的哈希表查找优化 C++ 算法探究
在数字化办公环境中,公司局域网管理至关重要。哈希表作为一种高效的数据结构,通过哈希函数将关键值(如IP地址、账号)映射到数组索引,实现快速的插入、删除与查找操作。例如,在员工登录验证和设备信息管理中,哈希表能显著提升效率,避免传统线性查找的低效问题。本文以C++为例,展示了哈希表在局域网管理中的具体应用,包括设备MAC地址与IP分配的存储与查询,并探讨了优化哈希函数和扩容策略,确保网络管理高效准确。
|
4月前
|
存储 监控 算法
基于跳表数据结构的企业局域网监控异常连接实时检测 C++ 算法研究
跳表(Skip List)是一种基于概率的数据结构,适用于企业局域网监控中海量连接记录的高效处理。其通过多层索引机制实现快速查找、插入和删除操作,时间复杂度为 $O(\log n)$,优于链表和平衡树。跳表在异常连接识别、黑名单管理和历史记录溯源等场景中表现出色,具备实现简单、支持范围查询等优势,是企业网络监控中动态数据管理的理想选择。
138 0
|
6月前
|
监控 算法 数据处理
基于 C++ 的 KD 树算法在监控局域网屏幕中的理论剖析与工程实践研究
本文探讨了KD树在局域网屏幕监控中的应用,通过C++实现其构建与查询功能,显著提升多维数据处理效率。KD树作为一种二叉空间划分结构,适用于屏幕图像特征匹配、异常画面检测及数据压缩传输优化等场景。相比传统方法,基于KD树的方案检索效率提升2-3个数量级,但高维数据退化和动态更新等问题仍需进一步研究。未来可通过融合其他数据结构、引入深度学习及开发增量式更新算法等方式优化性能。
178 17
|
5月前
|
机器学习/深度学习 存储 算法
基于 C++ 布隆过滤器算法的局域网上网行为控制:URL 访问过滤的高效实现研究
本文探讨了一种基于布隆过滤器的局域网上网行为控制方法,旨在解决传统黑白名单机制在处理海量URL数据时存储与查询效率低的问题。通过C++实现URL访问过滤功能,实验表明该方法可将内存占用降至传统方案的八分之一,查询速度提升约40%,假阳性率可控。研究为优化企业网络管理提供了新思路,并提出结合机器学习、改进哈希函数及分布式协同等未来优化方向。
151 0
|
7月前
|
存储 监控 算法
基于 C++ 哈希表算法的局域网如何监控电脑技术解析
当代数字化办公与生活环境中,局域网的广泛应用极大地提升了信息交互的效率与便捷性。然而,出于网络安全管理、资源合理分配以及合规性要求等多方面的考量,对局域网内计算机进行有效监控成为一项至关重要的任务。实现局域网内计算机监控,涉及多种数据结构与算法的运用。本文聚焦于 C++ 编程语言中的哈希表算法,深入探讨其在局域网计算机监控场景中的应用,并通过详尽的代码示例进行阐释。
149 4
|
8月前
|
存储 算法 安全
企业员工数据泄露防范策略:基于 C++ 语言的布隆过滤器算法剖析[如何防止员工泄密]
企业运营过程中,防范员工泄密是信息安全领域的核心议题。员工泄密可能致使企业核心数据、商业机密等关键资产的流失,进而给企业造成严重损失。为应对这一挑战,借助恰当的数据结构与算法成为强化信息防护的有效路径。本文专注于 C++ 语言中的布隆过滤器算法,深入探究其在防范员工泄密场景中的应用。
181 8
|
26天前
|
机器学习/深度学习 算法 机器人
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
【水下图像增强融合算法】基于融合的水下图像与视频增强研究(Matlab代码实现)
152 0
|
1月前
|
数据采集 分布式计算 并行计算
mRMR算法实现特征选择-MATLAB
mRMR算法实现特征选择-MATLAB
123 2