简单数据结构

简介: 简单数据结构

01、链表


链表的特点是:用一组任意的存储单元存储线性表的数据元素(这组存储单元可以是连续的,也可以不连续)。链表是容易理解和操作的基本数据结构,它的操作有:初始化、添加、遍历、插入、删除、查找、排序、释放等。


下面用例题洛谷 P1996,给出动态链表、静态链表、STL链表等5种实现方案。其中有单向链表,也有双向链表。在竞赛中,为加快编码速度,一般用静态链表或者STL list。


约瑟夫问题


题目描述:n个人围成一圈,从第一个人开始报数,数到 m 的人出列,再由下一个人重新从 1 开始报数,数到 m 的人再出圈,依次类推,直到所有的人都出圈,请输出依次出圈人的编号。


输入输出:输入两个整数 n,m。输出一行n个整数,按顺序输出每个出圈人的编号。1≤m,n≤100。


输入输出样例:


输入


10 3


输出

3 6 9 2 7 1 8 5 10 4


1. 动态链表

教科书都会讲动态链表,它需要临时分配链表节点、使用完毕后释放链表节点。这样做,优点是能及时释放空间,不使用多余内存。缺点是很容易出错。

下面代码实现了动态单向链表。

#include <bits/stdc++.h>
struct node{          //链表结构
    int data;
    node *next;
};
int main(){
    int n,m;
    scanf("%d %d",&n,&m);
    node *head,*p,*now,*prev; //定义变量
    head = new node; head->data = 1; head->next=NULL; //分配第一个节点,数据置为1
    now = head; //当前指针是头
    for(int i=2;i<=n;i++){
        p = new node; p->data = i; p->next = NULL; //p是新节点
        now->next = p; //把申请的新节点连到前面的链表上
        now = p; //尾指针后移一个
    }
    now->next = head; //尾指针指向头:循环链表建立完成
 //以上是建立链表,下面是本题的逻辑和流程。后面4种代码,逻辑流程完全一致。
    now = head, prev=head; //从第1个开始数
    while((n--) >1 ){
        for(int i=1;i<m;i++){ //数到m,停下
            prev = now; //记录上一个位置,用于下面跳过第m个节点
            now = now->next;
        }
        printf("%d ", now->data); //输出第m节点,带空格
        prev->next = now->next; //跳过这个节点
        delete now; //释放节点
        now = prev->next; //新的一轮
    }
    printf("%d", now->data); //打印最后一个,后面不带空格
    delete now; //释放最后一个节点
    return 0;
}


2. 用结构体实现单向静态链表

上面的动态链表,需要分配和释放空间,虽然对空间的使用很节省,但是容易出错。在竞赛中,对内存管理要求不严格,为加快编码速度,一般就静态分配,省去了动态分配和释放的麻烦。这种静态链表,使用预先分配的大数组来存储链表。


静态链表有两种做法,一是定义一个链表结构,和动态链表的结构差不多;一种是使用一维数组,直接在数组上进行链表操作。


本文我会给出3个例子:用结构体实现单向静态链表、用结构体实现双向静态链表、用一维数组实现单向静态链表。


下面是用结构体实现的单向静态链表。

#include <bits/stdc++.h>
const int maxn = 105; //定义静态链表的空间大小
struct node{                 //单向链表
    int id;
    //int data; //如有必要,定义一个有意义的数据
    int nextid;
}nodes[maxn];
int main(){
    int n, m;
    scanf("%d%d", &n, &m);
    nodes[0].nextid = 1;
    for(int i = 1; i <= n; i++){
        nodes[i].id = i;
        nodes[i].nextid = i + 1;
    }
    nodes[n].nextid = 1; //循环链表:尾指向头
    int now = 1, prev = 1; //从第1个开始
    while((n--) >1){
        for(int i = 1; i < m; i++){ //数到m,停下
            prev = now;
            now = nodes[now].nextid;
        }
        printf("%d ", nodes[now].id); //带空格
        nodes[prev].nextid = nodes[now].nextid; //跳过节点now,即删除now
        now = nodes[prev].nextid; //新的now
    }
    printf("%d", nodes[now].nextid); //打印最后一个,后面不带空格
    return 0;
}


3. 用结构体实现双向静态链表

#include <bits/stdc++.h>
const int maxn = 105;
struct node{      //双向链表
    int id; //节点编号
    //int data; //如有必要,定义一个有意义的数据
    int preid; //前一个节点
    int nextid; //后一个节点
}nodes[maxn];
int main(){
    int n, m;
    scanf("%d%d", &n, &m);
    nodes[0].nextid = 1;
    for(int i = 1; i <= n; i++){ //建立链表
        nodes[i].id = i;
        nodes[i].preid = i-1; //前节点
        nodes[i].nextid = i+1; //后节点
    }
    nodes[n].nextid = 1; //循环链表:尾指向头
    nodes[1].preid = n; //循环链表:头指向尾
    int now = 1; //从第1个开始
    while((n--) >1){
        for(int i = 1; i < m; i++) //数到m,停下
            now = nodes[now].nextid;
        printf("%d ", nodes[now].id); //打印,后面带空格
        int prev = nodes[now].preid;
        int next = nodes[now].nextid;
        nodes[prev].nextid = nodes[now].nextid; //删除now
        nodes[next].preid = nodes[now].preid;
        now = next; //新的开始
    }
    printf("%d", nodes[now].nextid); //打印最后一个,后面不带空格
    return 0;
}


4. 用一维数组实现单向静态链表

这是最简单的实现方法。


定义一个一维数组nodes[] ,nodes[ i ] 的i 是节点的值,nodes[ i ] 的值是下一个节点。



从上面描述可以看出,它的使用环境也很有限,因为它的节点只能存一个数据,就是i 。

#include<bits/stdc++.h>
int nodes[150];
int main(){
    int n, m;
    scanf("%d%d", &n, &m);
    for(int i=1;i<=n-1;i++) //nodes[i]的值就是下一个节点
        nodes[i]=i+1;
    nodes[n]=1; //循环链表:尾指向头
    int now = 1, prev = 1; //从第1个开始
    while((n--) >1){
        for(int i = 1; i < m; i++){ //数到m,停下
            prev = now;
            now = nodes[now]; //下一个
        }
        printf("%d ", now); //带空格
        nodes[prev] = nodes[now]; //跳过节点now,即删除now
        now = nodes[prev]; //新的now
    }
    printf("%d", now); //打印最后一个,不带空格
    return 0;
}


5. STL list

竞赛或工程中,常常使用C++ STL list。list 是双向链表,它的内存空间可以是不连续的,通过指针来进行数据的访问,它能高效率地在任意地方删除和插入,插入和删除操作是常数时间的。

#include <bits/stdc++.h>
using namespace std;
int main(){
    int n, m;
    cin>>n>>m;
    list<int>node;
    for(int i=1;i<=n;i++) //建立链表
        node.push_back(i);
    list<int>::iterator it = node.begin();
    while(node.size()>1){ //list的大小由STL自己管理
        for(int i=1;i<m;i++){ //数到m
             it++;
             if(it == node.end()) //循环链表,end()是list末端下一位置
                it = node.begin();
        }
        cout << *it <<"";
        list<int>::iterator next = ++it;
        if(next==node.end()) next=node.begin(); //循环链表
        node.erase(--it); //删除这个节点,node.size()自动减1
        it = next;
    }
    cout << *it;
    return 0;
 }


02、队列


队列中的数据存取方式是“先进先出”。例如食堂打饭的队伍,先到先服务。


队列有两种实现方式:链队列和循环队列。

image.png

链队列,可以把它看成是单链表的一种特殊情况,用指针把各个节点连接起来。


循环队列,是一种顺序表,使用一组连续的存储单元依次存放队列元素,用两个指针front和rear分别指示队列头元素和队列尾元素。由于队列是先进先出的一个“队伍”,所以在存储单元中,front和rear都是一直往前走,走到存储空间的最后面,可能会溢出。为了解决这一问题,把队列设计成环状的循环队列。


队列和栈的主要问题是查找较慢,需要从头到尾一个个查找。在某些应用情况下,可以用优先队列,让优先级最高(比如最大的数)先出队列。


由于队列很简单,而且往往是固定大小的,所以在竞赛中一般就用静态数组来实现队列,或者使用STL queue。


机器翻译


题目描述:内存中有M个单元,每单元能存放一个单词和译义。每当软件将一个新单词存入内存前,如果当前内存中已存入的单词数不超过M-1,软件会将新单词存入一个未使用的内存单元;若内存中已存入M个单词,软件会清空最早进入内存的那个单词,腾出单元来,存放新单词。


假设一篇英语文章的长度为N个单词。给定这篇待译文章,翻译软件需要去外存查找多少次词典?假设在翻译开始前,内存中没有任何单词。


输入:共2行。每行中两个数之间用一个空格隔开。


第一行为两个正整数M,N,代表内存容量和文章的长度。


第二行为N个非负整数,按照文章的顺序,每个数(大小不超过1000)代表一个英文单词。文章中两个单词是同一个单词,当且仅当它们对应的非负整数相同。


输出:一个整数,为软件需要查词典的次数。


输入输出样例:


输入

3 7

1 2 1 5 4 4 1


输出

5


1. STL queue

STL queue的有关操作:

 queue q;    //定义栈,Type为数据类型,如int,float,char等

 q. push(item);  //把item放进队列

 q.front();    //返回队首元素,但不会删除

 q.pop();     //删除队首元素

 q.back();     //返回队尾元素

 q.size();     //返回元素个数

 q.empty();     //检查队列是否为空


 注意代码中检查内存中有没有单词的方法。如果一个一个地搜索,太慢了;用hash不仅很快而且代码简单。

#include<bits/stdc++.h>
using namespace std;
int hash[1003]={0}; //用hash检查内存中有没有单词,hash[i]=1表示单词i在内存中
queue<int> mem; //用队列模拟内存
int main(){
    int m,n;
    scanf("%d%d",&m,&n);
    int cnt=0; //查词典的次数
    while(n--){
  int en;
  scanf("%d",&en); //输入一个英文单词
  if(!hash[en]){ //如果内存中没有这个单词
    ++cnt;
    mem.push(en); //单词进队列,放到队列尾部
    hash[en]=1; //记录内存中有这个单词
    while(mem.size()>m){ //内存满了
      hash[mem.front()] = 0; //从内存中去掉单词
      mem.pop(); //从队头去掉
      }
    }
  }
  printf("%d\n",cnt);
  return 0;
}


2. 手写循环队列

下面是循环队列的模板。代码中给出了静态分配空间和动态分配空间两种方式。竞赛中用静态分配更好。

#include<bits/stdc++.h>
#define MAXQSIZE 1003 //队列大小
int hash[MAXQSIZE]={0}; //用hash检查内存中有没有单词
struct myqueue{                  
    int data[MAXQSIZE]; //分配静态空间
    /* 如果动态分配,就这样写:int *data; */
    int front; //队头,指向队头的元素
    int rear; //队尾,指向下一个可以放元素的空位置
    bool init(){ //初始化
    /*如果动态分配,就这样写:
        Q.data = (int *)malloc(MAXQSIZE * sizeof(int)) ;
        if(!Q.data) return false; */
        front = rear = 0;
        return true;
    }
    int size(){ //返回队列长度
        return (rear - front + MAXQSIZE) % MAXQSIZE;
    }
    bool push(int e){ //队尾插入新元素。新的rear指向下一个空的位置
         if((rear + 1) % MAXQSIZE == front ) return false; //队列满
         data[rear] = e;
         rear = (rear + 1) % MAXQSIZE;
         return true;
    }
    bool pop(int &e){ //删除队头元素,并返回它
         if(front == rear) return false; //队列空
         e = data[front];
         front = (front + 1) % MAXQSIZE;
         return true;
    }
}Q;
int main(){
    Q.init(); //初始化队列
    int m,n; scanf("%d%d",&m,&n);
    int cnt = 0;
    while(n--){
  int en; scanf("%d",&en); //输入一个英文单词
  if(!hash[en]){ //如果内存中没有这个单词
    ++cnt;
    Q.push(en); //单词进队列,放到队列尾部
    hash[en]=1;
    while(Q.size()>m){ //内存满了
                int tmp;
                Q.pop(tmp); //删除队头
      hash[tmp] = 0; //从内存中去掉单词
      }
    }
  }
  printf("%d\n",cnt);
  return 0;
}


3. 双端队列和单调队列

前面讲的队列,是很“规矩”的,队列的元素都是“先进先出”,队头的只能弹出,队尾只能进入。有没有不那么“规矩”的队列呢?


这就是双端队列。双端队列是一种具有队列和栈性质的数据结构,它能在两端进行插入和删除,而且也只能在两端插入和删除。


STL中的deque是双端队列,它的用法是:

 dq[i]:返回q中下标为i的元素;

 dq.front():返回队头;

 dq.back():返回队尾;

 dq.pop_back():删除队尾。不返回值;

 dq.pop_front():删除队头。不返回值;

 dq.push_back(e):在队尾添加一个元素e;

 dq.push_front(e):在队头添加一个元素e。


双端队列的经典应用是单调队列。单调队列有2个特征:



(1)队列中的元素是单调有序的,且元素在队列中的顺序和原来在序列中的顺序一致;

(2)单调队列的队头和队尾都能入队和出队。


其中(1)是我们期望的结果,它是通过(2)来实现的。


单调队列用起来非常灵活,在很多问题中应用它可以获得优化。简单地说是这样实现的:序列中的n个元素,用单调队列处理时,每个元素只需要进出队列一次,复杂度是O(n)。


下面用两个模板题来讲解单调队列的应用,了解它们如何通过单调队列获得优化。注意队列中“删头、去尾、窗口”的操作。


(1)滑动窗口

滑动窗口 /【模板】单调队列


题目描述:有一个长为 n 的序列 a,以及一个大小为 k 的窗口。现在这个从左边开始向右滑动,每次滑动一个单位,求出每次滑动后窗口中的最大值和最小值。


例如:

The array is [1,3,-1,-3,5,3,6,7], and k = 3。

image.png


输入输出:输入一共有两行,第一行有两个正整数 n,k。第二行 n 个整数,表示序列 a。输出共两行,第一行为每次窗口滑动的最小值,第二行为每次窗口滑动的最大值。


注意:1 ≤ k ≤ n ≤ 106 , ai ∈ [ − 231 , 231 ]


输入输出样例:


输入

8 3

1 3 -1 -3 5 3 6 7


输出

-1 -3 -3 -3 3 3

3 3 5 5 6 7


这一题用暴力法很容易编程,从头到尾扫描,每次检查k 个数,一共检查O ( n k ) 次。暴力法显然会超时,这一题需要用O ( n ) 的算法。


下面用单调队列来求解,它的复杂度是O ( n ) 的。


在这一题中,单调队列有以下特征:

(1)队头的元素始终是队列中最小的;根据题目需要输出队头,但是不一定弹出。

(2)元素只能从队尾进入队列,从队头队尾都可以弹出。

(3)序列中的每个元素都必须进入队列。例如a进队尾时,和原队尾b比较,如果a≤b,就从队尾弹出b;弹出队尾所有比a大的,最后a进入队尾。入队的这个操作,保证了队头元素是队列中最小的。


直接看上述题解可能有点晕,这里以食堂排队打饭为例子来说明它。


大家到食堂排队打饭时都有一个心理,在打饭之前,先看看里面有什么菜,如果不好吃就走了。不过,能不能看到和身高有关,站在队尾的人如果个子高,眼光能越过前面队伍的脑袋,看到里面的菜;如果个子矮,会被挡住看不见。


矮个子希望,要是前面的人都比他更矮就好了。如果他会魔法,他来排队的时候,队尾比他高的就自动从队尾离开,新的队尾如果仍比他高,也会离开。最后,新来的矮个子成了新的队尾,而且是最高的。他终于能看到菜了,让人兴奋的是,菜很好吃,所以他肯定不会走。


假设每一个新来的魔法都比队列里的人更厉害,这个队伍就会变成这样:每个新来的人都能排到队尾,但是都会被后面来的矮个子赶走。这样一来,这个队列就会始终满足单调性:从队头到队尾,由矮到高。


但是,让这个魔法队伍郁闷的是,打饭阿姨一直忙她的,顾不上打饭。所以排头的人等了一会儿,就走了,等待时间就是k。这有一个附带的现象:队伍长度不会超过k。

输出什么呢? 每当新来一个排队的人,如果排头还没走,就跟阿姨喊一声,这就是输出。


以上是本题的现实模型。

下面举例描述算法流程,队列是{1 , 3 , − 1 , − 3 , 5 , 3 , 6 , 7 },读者可以把数字想象成身高。以输出最小值为例,下面表格中的“输出队首”就是本题的结果。

image.png


单调队列的时间复杂度:每个元素最多入队1次、出队1次,且出入队都是O ( 1 )的,因此总时间是O ( n ) 。题目需要逐一处理所有n 个数,所以O ( n ) 已经是能达到的最优复杂度。


从以上过程可以看出,单调队列有两个重要操作:删头、去尾。

(1)删头。如果队头的元素脱离了窗口,这个元素就没用了,弹出它。

(2)去尾。如果新元素进队尾时,原队尾的存在破坏了队列的单调性,就弹出它。


在下面的代码中,用双端队列实现了单调队列。

#include<bits/stdc++.h>
using namespace std;
int a[1000005];
deque<int>q; //队列中的数据,实际上是元素在原序列中的位置
int main(){
    int n,m;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++) scanf("%d",&a[i]);
    for(int i=1;i<=n;i++){ //输出最小值
        while(!q.empty() && a[q.back()]>a[i]) //去尾
            q.pop_back();
        q.push_back(i);
        if(i>=m){ //每个窗口输出一次
            while(!q.empty() && q.front()<=i-m) //删头
                q.pop_front();
            printf("%d ", a[q.front()]);
        }
    }
    printf("\n");
    while(!q.empty()) q.pop_front(); //清空,下面再用一次
    for(int i=1;i<=n;i++){ //输出最大值
        while(!q.empty() && a[q.back()]<a[i]) //去尾
            q.pop_back();
        q.push_back(i);
        if(i>=m){
            while(!q.empty() && q.front()<=i-m) //删头
                q.pop_front();
            printf("%d ", a[q.front()]);
        }
    }
    printf("\n");
    return 0;
}

(2)最大子序和


给定长度为n的整数序列A,它的“子序列”定义是:A中非空的一段连续的元素。子序列和,例如序列(6,-1,5,4,-7),前4个元素的和是6 + (-1) + 5 + 4 = 14。


最大子序和问题,按子序列有无长度限制,有两种:

(1)不限制子序列的长度。在所有可能的子序列中,找到一个子序列,该子序列和最大。

(2)限制子序列的长度。给一个限制m,找出一段长度不超过m的连续子序列,使它的和最大。


问题(1)比较简单,用贪心或DP,复杂度都是O(n)的。

问题(2)用单调队列,复杂度也是O(n)的。通过这个例子,读者可以理解为什么单调队列能用于DP优化。

问题(1)不是本节的内容,不过为了参照,下面也给出题解。

问题(1)的求解


用贪心或DP,在O(n)时间内求解。


Max Sum


题目描述:给一个序列,求最大子序和。


输入:第1行是整数T,表示测试用例个数,1<=T<=20。后面跟着T行,每一行第1个数是N,后面是N个数,1<=N<=100000,每个数在[-1000, 1000]内。


输出:对每个测试,输出2行,第1行是"Case #:",其中"#"是第几个测试,第2行输出3个数,第1个数是最大子序和,第2和第3个数是开始和终止位置。


输入输出样例:


输入

2

5 6 -1 5 4 -7

7 0 6 -1 1 -6 7 -5


输出

Case 1:

14 1 4


Case 2:

7 1 6


题解1:贪心。 逐个扫描序列中的元素,累加。加一个正数时,和会增加;加一个负数时,和会减少。如果当前得到的和变成了负数,这个负数和在接下来的累加中,会减少后面的求和。所以抛弃它,从下一位置开始重新求和。


贪心代码:

#include<bits/stdc++.h>
using namespace std;
const int INF = 0x7fffffff;
int main(){
    int t; cin >> t; //测试用例个数
    for(int i = 1; i <= t; i++){
        int n; cin >> n;
        int maxsum = -INF; //最大子序和,初始化为一个极小负数
        int start=1, end=1, p=1; //起点,终点,扫描位置
        int sum = 0; //子序和
        for(int j = 1; j <= n; j++){
            int a; cin >> a; //读入一个元素
            sum += a;
            if(sum > maxsum){
                maxsum = sum;
                start = p;
                end = j;
            }
            if(sum < 0){ //扫到j时,前面的最大子序和是负数,那么从下一个j重新开始求和。
                sum = 0;
                p = j+1;
            }
        }
        printf("Case %d:\n",i);
        printf("%d %d %d\n", maxsum,start,end);
        if(i != t) cout << endl;
    }
    return 0;
}


题解2:DP。定义dp[i],表示以第a[i]为结尾的最大子序和。dp[i]的计算有两种情况:

(1)dp[i]只包括一个元素,就是a[i];

(2)dp[i]包括多个元素,从前面某个a[v]开始,v


取两者最大值,得到状态转移方程:


dp[i] = max{dp[i-1]+a[i], a[i]}


在所有dp[i]中,取最大值就是题目的解。

#include<bits/stdc++.h>
using namespace std;
int dp[100005]; //dp[i]: 以第i个数为结尾的最大值
int main(){
  int t; cin>>t;
  for(int k=1;k<=t;k++){
    int n; cin >> n;
    for(int i=1;i<=n;i++) cin >> dp[i]; //就用dp[]存数据a[]
        int start=1, end=1, u=1; //起点,终点,扫描位置
    int maxsum = dp[1];
    for(int i=2; i<=n; i++){
            if(dp[i-1]+dp[i] >= dp[i]) //转移方程:dp[i] = max(dp[i-1]+a[i], a[i]);
                 dp[i] = dp[i-1]+dp[i]; // dp[i-1]+a[i]比a[i]大
            else u = i; // a[i] 更大,那么dp[i]就是a[i]
            if(dp[i]> maxsum ) { //dp[i]是一个更大的子序和
              maxsum = dp[i];
              start = u; //以u为开始
               end = i; //以i为结尾
            }
    }
        printf("Case %d:\n",k);
        printf("%d %d %d\n", maxsum,start,end);
        if(k != t) cout << endl;
  }
}

问题(2)的求解


和2.3.1节的滑动窗口类似,可以用单调队列的“窗口、删头、去尾”来解决问题(2)。

首先求前缀和s[i]。s[i]是a[1]~a[i]的和,算出所有的s[i]~s[n],时间是O(n)的。


问题(2)转换为:找出两个位置i, k,使得s[i] - s[k]最大,i - k ≤ m。


也可以按照DP的思路,把问题进一步转换为:首先固定一个i,找到它左边的一个端点k,i - k ≤ m,使得s[i] - s[k]最大,定义这个最大值是dp[i];逐步扩大i,求得所有的dp[i],其中的最大值就是题目的解。如果简单地暴力检查,对每个i,检查比它小的m个s[k],那么总复杂度是O(nm)的。


换一种思路,用一个大小为m的窗口来找最大子序和ans。从头到尾依次把s[]放进这个窗口:

(1)首先把s[1]放进窗口,并且记录ans的初始值是s[1]。

(2)接着把s[2]放进窗口(假设窗口大于2),有两种情况:如果s[1] ≤ s[2],那么更新ans = max{s[1], s[2], s[2]-s[1]};如果s[1] > s[2],那么保持ans = s[1]不变,然后从窗口里抛弃s[1],只留下s[2],因为后面再把新的s[i’]放进窗口时,s[i’]-s[2]比s[i’]-s[1]更大更好。


后面继续这个过程,直到所有的s[]处理结束。下面总结上面的思路,把新的s[i]放进窗口时:

(1)把窗口内比s[i]大的所有s[j]都抛弃,i - j ≤ m,因为这些s[j]在处理s[i]后面的s[i’]时用不着了,s[i’]-s[i]要优于s[i’]-s[j],留着s[i]就可以了。

(2)若窗口内最小的是s[k],此时肯定有s[k] < s[i],检查s[i] - s[k]是不是当前的最大子序和,如果是,就更新最大子序和ans。

(3)每个s[i]都会进队列。


此时,最优策略是一个“位置递增的、前缀和S也递增”的序列,用单调队列最合适了:s[i]进队尾时;如果原队尾比s[i]大就去尾;如果队头超过窗口范围m就去头;而最小的那个s[k]就是队头。算法的过程,和前面“滑动窗口”的原理差不多。


在这个单调队列中,每个s[i]只进出队列一次,所以复杂度为O(n)。


下面是代码。

#include<bits/stdc++.h>
using namespace std;
deque<int> dq;
int s[100005];
int main(){
    int n,m;
    scanf("%d%d",&n,&m);
    for(int i=1;i<=n;i++) scanf("%lld",&s[i]);
    for(int i=1;i<=n;i++) s[i]=s[i]+s[i-1]; //计算前缀和
    int ans = -1e8;
    dq.push_back(0);
    for(int i=1;i<=n;i++) {
        while(!dq.empty() && dq.front()<i-m) //队头超过m范围:删头
            dq.pop_front();
        if(dq.empty())
            ans = max(ans,s[i]);
        else 
            ans = max(ans,s[i]-s[dq.front()]); //队头就是最小的s[k]
        while(!dq.empty() && s[dq.back()] >= s[i]) //队尾大于s[i],去尾
            dq.pop_back();
        dq.push_back(i);
    }
    printf("%d\n",ans);
    return 0;
}

在这个例子中,s[i]的操作实际上符合DP的特征。通过这个例子,读者能理解,为什么单调队列可以用于DP的优化。


03、栈


栈的特点是“先进后出”。例如坐电梯,先进电梯的被挤在最里面,只能最后出来;一管泡腾片,最先放进管子的药片位于最底层,最后被拿出来。


编程中常用的递归,就是用栈来实现的。栈需要用空间存储,如果栈的深度太大,或者存进栈的数组太大,那么总数会超过系统为栈分配的空间,就会爆栈,即栈溢出。这是递归的主要问题。


本节的栈用到STL stack,或者自己写栈。为避免爆栈,需要控制栈的大小。


1. STL stack

STL stack的有关操作:

 stack s;   //定义栈,Type为数据类型,如int,float,char等

 s.push(item);    //把item放到栈顶

 s.top();    //返回栈顶的元素,但不会删除。

 s.pop();    //删除栈顶的元素,但不会返回。在出栈时需要进行两步操作,先top()获得栈顶元素,再pop()删除栈顶元素

 s.size();    //返回栈中元素的个数

 s.empty();   //检查栈是否为空,如果为空返回true,否则返回false


下面用一个例题说明栈的应用。

Text Reverse

翻转字符串。例如,输入“olleh !dlrow”,输出“hello world!”。


下面是代码。

#include<bits/stdc++.h>
using namespace std;
int main(){
  int n;
  char ch;
  scanf("%d",&n); getchar();
  while(n--){
    stack<char> s;
    while(true){
      ch = getchar(); //一次读入一个字符
          if(ch==' '||ch=='\n'||ch==EOF){
        while(!s.empty()){
          printf("%c",s.top()); //输出栈顶
          s.pop(); //清除栈顶
        }
        if(ch=='\n'||ch==EOF) break;
        printf("");
      }
      else  
                s.push(ch); //入栈
    }
    printf("\n");
  }
  return 0;
}

2. 手写栈


自己写个栈,很节省空间。

#include<bits/stdc++.h>
const int maxn = 100000 + 100;
struct mystack{
    char a[maxn]; //存放栈元素,字符型
    int t = 0; //栈顶位置
    void push(char x){ a[++t] = x; } //送入栈
    char top()       { return a[t]; } //返回栈顶元素
    void pop()       { t--; } //弹出栈顶
    int empty()      { return t==0?1:0;} //返回1表示空
}st;
int main(){
  int n;
  char ch;
  scanf("%d",&n); getchar();
  while(n--){
    while(true){
      ch = getchar(); //一次读入一个字符
          if(ch==' '||ch=='\n'||ch==EOF){
        while(!st.empty()){
          printf("%c",st.top()); //输出栈顶
          st.pop(); //清除栈顶
        }
        if(ch=='\n'||ch==EOF) break;
        printf("");
      }
      else  
                st.push(ch); //入栈
    }
    printf("\n");
  }
  return 0;
}


3. 单调栈


单调栈可以处理比较问题。单调栈内的元素是单调递增或递减的的,有单调递增栈、单调递减栈。


单调栈比单调队列简单,因为栈只有一个出入口。下面的例题是单调栈的简单应用。


向右看齐


题目描述:N(1≤N≤10^5)头奶牛站成一排,奶牛i的身高是Hi(l≤Hi≤1,000,000)。现在,每只奶牛都在向右看齐。对于奶牛i,如果奶牛j满足i


输入输出:第 1 行输入 N,之后每行输入一个身高 H_i。输出共 N 行,按顺序每行输出一只奶牛的最近仰望对象,如果没有仰望对象,输出 0。


输入输出样例:


输入

6

3

2

6

1

1

2


输出

3

3

0

6

6

0


题解:从后往前遍历奶牛,并用一个栈保存从低到高的奶牛,栈顶的奶牛最矮,栈底的最高。具体操作是:遍历到奶牛i时,与栈顶的奶牛比较,如果不比i高,就弹出栈顶,直到栈顶的奶牛比i高,这就是i的仰望对象;然后把i放进栈顶,栈里的奶牛仍然保持从低到高。


复杂度:每个奶牛只进出栈一次,所以是O(n)的。


(1)用STL stack实现

#include<bits/stdc++.h>
using namespace std;
int h[100001], ans[100001];
int main(){
    int n;
  scanf("%d",&n);
  for (int i=1;i<=n;i++) scanf("%d",&h[i]);
    stack<int>st;
  for (int i=n;i>=1;i--){
    while (!st.empty() && h[st.top()] <= h[i]) //栈顶奶牛没我高,弹出它,直到栈顶奶牛更高
            st.pop();
    if (st.empty()) //栈空,没有仰望对象
            ans[i]=0;
        else                  //栈顶奶牛更高,是仰望对象
            ans[i]=st.top();
    st.push(i);
  }
  for (int i=1;i<=n;i++)
        printf("%d\n",ans[i]);
  return 0;
}


(2)手写栈

改了栈元素的类型。

#include<bits/stdc++.h>
using namespace std;
const int maxn = 100000 + 100;
struct mystack{
    int a[maxn]; //存放栈元素,int型
    int t = 0; //栈顶位置
    void push(int x){ a[++t] = x; } //送入栈
    int  top()      { return a[t]; } //返回栈顶元素
    void pop()      { t--; } //弹出栈顶
    int empty()     { return t==0?1:0;} //返回1表示空
}st;
int h[maxn], ans[maxn];
int main(){
    int n;
  scanf("%d",&n);
  for (int i=1;i<=n;i++) scanf("%d",&h[i]);
  for (int i=n;i>=1;i--){
    while (!st.empty() && h[st.top()] <= h[i]) //栈顶奶牛没我高,弹出它,直到栈顶奶牛更高
            st.pop();
    if (st.empty()) //栈空,没有仰望对象
            ans[i]=0;
        else                  //栈顶奶牛更高,是仰望对象
            ans[i]=st.top();
    st.push(i);
  }
  for (int i=1;i<=n;i++)
        printf("%d\n",ans[i]);
  return 0;
}


04、堆


1. 二叉堆概念

堆的特征是:堆顶元素是所有元素的最优值。堆的应用有堆排序和优先队列。


堆有两种:最大堆、最小堆。最大堆的根结点元素有最大值,最小堆的根结点元素有最小值。下面都以最小堆为例进行讲解。


堆可以看成一棵完全二叉树。用数组实现的二叉树堆,树中的每个结点与数组中存放的元素对应。树的每一层,除了最后一层可能不满,其他每一层都是满的。


二叉堆中的每个结点,都是以它为父结点的子树的最小值。

image.png


用数组A[]存储完全二叉树,结点数量为n,A[0]不用,A[1]为根结点,有以下性质:

(1)i > 1的结点,其父结点位于i/2;

(2)如果2i > n,那么i没有孩子;如果2i+1 > n,那么i没有右孩子;

(3)如果结点i有孩子,那么它的左孩子是2i,右孩子是2i+1。


堆的操作有进堆和出堆。

(1)进堆:每次把元素放进堆,都调整堆的形状,使得根结点保持最小。

(2)出堆:每次取出的堆顶,就是整个堆的最小值;同时调整堆,使得新的堆顶最小。


复杂度:二叉树只有O(logn)层,进堆和出堆逐层调整,都是O(logn)的。


2. 二叉堆的实现

堆的具体实现有两个方法:上浮、下沉。


上浮:某个结点的优先级上升,或者在堆底加入一个新元素(建堆,把新元素加入堆),此时需要从下至上恢复堆的顺序。


下沉:某个结点的优先级下降,或者将根结点替换为一个较小的新元素(取出堆顶,用其他元素替换它),此时需要从上至下恢复堆的顺序。


(1)上浮

image.png


(2)下沉

image.png


堆经常用于实现优先队列,上浮对应优先队列的插入push(),下沉对应优先队列的删除队头pop()。


3. 手写堆

题目描述:


初始小根堆为空,我们需要支持以下3种操作:

操作1:1 x 表示将x插入到堆中

操作2:2 输出该小根堆内的最小数

操作3:3 删除该小根堆内的最小数


输入格式:

第一行包含一个整数N,表示操作的个数,N<=1000000。

接下来N行,每行包含1个或2个正整数,表示三种操作,格式如下:


操作1:1 x

操作2:2

操作3:3


输出格式:

包含若干行正整数,每行依次对应一个操作2的结果。


输入输出样例:


输入

5

1 2

1 5

2

3

2


输出

2

5


题解


下面给出代码。


上浮用push()实现,完成插入新元素的功能,对应优先队列的入队。


下沉用pop()实现,完成删除堆头的功能,对应优先队列的删除队头。

#include<bits/stdc++.h>
using namespace std;
const int maxn = 1e6 + 5;
int heap[maxn], len=0; //len记录当前二叉树的长度
void push(int x) { //上浮,插入新元素
    heap[++len] = x;
    int i = len;
    while (i > 1 && heap[i] < heap[i/2]){
        swap(heap[i], heap[i/2]);
    i = i/2;
  }
}
void pop() { //下沉,删除堆头,调整堆
    heap[1] = heap[len--]; //根结点替换为最后一个结点,然后结点数量减1
    int i = 1;
    while ( 2*i <= len) { //至少有左儿子
        int son = 2*i; //左儿子
    if (son < len && heap[son + 1] < heap[son])
                                     //son<len表示有右儿子,选儿子中较小的
      son++; //右儿子更小
        if (heap[son] < heap[i]){ //与小的儿子交换
             swap(heap[son], heap[i]);
      i = son; //下沉到儿子处
    }
    else break; //如果不比儿子小,就停止下沉
    }
}
int main() {
    int n; scanf("%d",&n);
    while(n--){
        int op; scanf("%d",&op);
        if (op == 1) {
      int x; scanf("%d",&x);
            push(x); //加入堆
    }
        else if (op == 2)
      printf("%d\n", heap[1]); //打印堆头
        else pop(); //删除堆头
    }
    return 0;
}


4. STL priority_queue

STL的优先队列priority_queue,实际上是一个堆。

#include<bits/stdc++.h>
using namespace std;
priority_queue<int ,vector<int>,greater<int> >q; //定义堆
int main(){
    int n; scanf("%d",&n);
    while(n--) {
        int op; scanf("%d",&op);
        if(op==1) {
            int x; scanf("%d",&x);
            q.push(x);
        }
        else if(op==2)
            printf("%d\n",q.top());
        else  q.pop();
    }
    return 0;
}


目录
相关文章
|
Java
getRequestDispatcher()与sendRedirect()的区别
1.request.getRequestDispatcher()是请求转发,前后页面共享一个request ;  response.sendRedirect()是重新定向,前后页面不是一个request。
1927 0
|
13天前
|
存储 人工智能 弹性计算
阿里云弹性计算_加速计算专场精华概览 | 2024云栖大会回顾
2024年9月19-21日,2024云栖大会在杭州云栖小镇举行,阿里云智能集团资深技术专家、异构计算产品技术负责人王超等多位产品、技术专家,共同带来了题为《AI Infra的前沿技术与应用实践》的专场session。本次专场重点介绍了阿里云AI Infra 产品架构与技术能力,及用户如何使用阿里云灵骏产品进行AI大模型开发、训练和应用。围绕当下大模型训练和推理的技术难点,专家们分享了如何在阿里云上实现稳定、高效、经济的大模型训练,并通过多个客户案例展示了云上大模型训练的显著优势。
|
17天前
|
存储 人工智能 调度
阿里云吴结生:高性能计算持续创新,响应数据+AI时代的多元化负载需求
在数字化转型的大潮中,每家公司都在积极探索如何利用数据驱动业务增长,而AI技术的快速发展更是加速了这一进程。
|
8天前
|
并行计算 前端开发 物联网
全网首发!真·从0到1!万字长文带你入门Qwen2.5-Coder——介绍、体验、本地部署及简单微调
2024年11月12日,阿里云通义大模型团队正式开源通义千问代码模型全系列,包括6款Qwen2.5-Coder模型,每个规模包含Base和Instruct两个版本。其中32B尺寸的旗舰代码模型在多项基准评测中取得开源最佳成绩,成为全球最强开源代码模型,多项关键能力超越GPT-4o。Qwen2.5-Coder具备强大、多样和实用等优点,通过持续训练,结合源代码、文本代码混合数据及合成数据,显著提升了代码生成、推理和修复等核心任务的性能。此外,该模型还支持多种编程语言,并在人类偏好对齐方面表现出色。本文为周周的奇妙编程原创,阿里云社区首发,未经同意不得转载。
|
14天前
|
人工智能 运维 双11
2024阿里云双十一云资源购买指南(纯客观,无广)
2024年双十一,阿里云推出多项重磅优惠,特别针对新迁入云的企业和初创公司提供丰厚补贴。其中,36元一年的轻量应用服务器、1.95元/小时的16核60GB A10卡以及1元购域名等产品尤为值得关注。这些产品不仅价格亲民,还提供了丰富的功能和服务,非常适合个人开发者、学生及中小企业快速上手和部署应用。
|
3天前
|
云安全 存储 弹性计算
|
5天前
|
云安全 人工智能 自然语言处理
|
9天前
|
人工智能 自然语言处理 前端开发
用通义灵码,从 0 开始打造一个完整APP,无需编程经验就可以完成
通义灵码携手科技博主@玺哥超carry 打造全网第一个完整的、面向普通人的自然语言编程教程。完全使用 AI,再配合简单易懂的方法,只要你会打字,就能真正做出一个完整的应用。本教程完全免费,而且为大家准备了 100 个降噪蓝牙耳机,送给前 100 个完成的粉丝。获奖的方式非常简单,只要你跟着教程完成第一课的内容就能获得。
|
24天前
|
自然语言处理 数据可视化 前端开发
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
合合信息的智能文档处理“百宝箱”涵盖文档解析、向量化模型、测评工具等,解决了复杂文档解析、大模型问答幻觉、文档解析效果评估、知识库搭建、多语言文档翻译等问题。通过可视化解析工具 TextIn ParseX、向量化模型 acge-embedding 和文档解析测评工具 markdown_tester,百宝箱提升了文档处理的效率和精确度,适用于多种文档格式和语言环境,助力企业实现高效的信息管理和业务支持。
3981 5
从数据提取到管理:合合信息的智能文档处理全方位解析【合合信息智能文档处理百宝箱】
|
12天前
|
数据采集 人工智能 API
Qwen2.5-Coder深夜开源炸场,Prompt编程的时代来了!
通义千问团队开源「强大」、「多样」、「实用」的 Qwen2.5-Coder 全系列,致力于持续推动 Open Code LLMs 的发展。