基础算法:离散化的基本应用

在线体验各类最新模型,更有模型 免费Token 额度领取!
立即体验
简介: 基础算法:离散化的基本应用

离散化常常用于空间很大,但实际使用的空间却很小的清空,假设开了一个arr[100010]的数组,但实际用到的只有10000个,这时候就可以使用离散化了。

image.png

离散化模板:

1. vector<int> alls; // 存储所有待离散化的值
2. sort(alls.begin(), alls.end()); // 将所有值排序
3. alls.erase(unique(alls.begin(), alls.end()), alls.end());   // 去掉重复元素
4. 
5. // 二分求出x对应的离散化的值
6. int find(int x) // 找到第一个大于等于x的位置
7. {
8. int l = 0, r = alls.size() - 1;
9. while (l < r)
10.     {
11. int mid = l + r >> 1;
12. if (alls[mid] >= x) r = mid;
13. else l = mid + 1;
14.     }
15. return r + 1; // 映射到1, 2, ...n
16. }

unique函数是将数组中相邻的重复元素去除。然而其本质是将重复的元素移动到数组的末尾,最后再将迭代器末尾指向第一个重复元素的下标。比如原数组为 1 1 2 2 3 4 5 5 6 6,经过unique之后,则会得到1 2 3 4 5 6相同的元素就会被放在6后面,且unique函数返回的是6的地址所以通过erase函数,从6到alls.end( )之间的数字全删掉

经典例题:

image.png

image.png

题目思路:

先映射区间,找到对应的区间,在对应的区间加上c,求前缀和,某一段区间之和可以用s[r]-s[l-1]求得

image.png

AC代码:

1. #include<iostream>
2. #include<vector>
3. #include<algorithm>
4. using namespace std;
5. 
6. typedef pair<int, int> PII;//pair为讲两个数据合成一组数据
7. const int N = 30010;
8. int n, m;
9. int a[N], s[N];
10. //s[N]用于求前缀和
11. //a[N]用于记录离散化后对应区间+c(操作之后)的数值
12. vector<int>alls;//存所有的区间
13. vector<PII>add, query;//add为要增加的区间以及数字,query为要询问的区间
14. 
15. //二分查找
16. int find(int x) {
17.   int l = 0, r = alls.size() - 1;
18.   while (l < r) {
19.     int mid = l + r >> 1;
20.     if (alls[mid] >= x) {
21.       r = mid;
22.     }
23.     else {
24.       l = mid + 1;
25.     }
26.   }
27.   return r + 1;//映射为1,2,3,4,5,6,所以需要加1
28.   //如果return r; 则映射为0,1,2,3,4,5
29. }
30. 
31. int main(void) {
32.   cin >> n >> m;
33.   for (int i = 0; i < n; i++) {
34.     int x, c;
35.     cin  >> x >> c;
36.     add.push_back({x,c});
37.     alls.push_back(x);
38.   }
39. 
40.   for (int i = 0; i < m; i++) {
41.     int l, r;
42.     cin >> l >> r;
43.     query.push_back({l,r});
44. 
45.     alls.push_back(l);
46.     alls.push_back(r);
47.   }
48.   //去重
49.   sort(alls.begin(), alls.end());
50.   alls.erase(unique(alls.begin(), alls.end()), alls.end());
51.   //在映射的
52.   for (auto item : add) {//将add的值一个个复制给item
53.     //add有两个值(A,B),first取的A,second取的B
54.     int x = find(item.first);
55.     a[x] += item.second;
56.   }
57. 
58.   for (int i = 1; i <= alls.size(); i++) {
59.     s[i] = s[i - 1] + a[i];
60.   }
61. 
62.   for (auto item : query) {//将query的值一个个复制给item
63.     //找到离散化后的l和r进行求区间和
64.     int l = find(item.first), r = find(item.second);
65.     cout << s[r] - s[l - 1] << endl;
66.   }
67.   return 0;
68. }

image.png

目录
相关文章
|
11月前
|
存储 监控 JavaScript
基于布隆过滤器的 Node.js 算法在局域网电脑桌面监控设备快速校验中的应用研究
本文探讨了布隆过滤器在局域网电脑桌面监控中的应用,分析其高效空间利用率、快速查询性能及动态扩容优势,并设计了基于MAC地址的校验模型,提供Node.js实现代码,适用于设备准入控制与重复数据过滤场景。
346 0
|
10月前
|
运维 监控 JavaScript
基于 Node.js 图结构的局域网设备拓扑分析算法在局域网内监控软件中的应用研究
本文探讨图结构在局域网监控系统中的应用,通过Node.js实现设备拓扑建模、路径分析与故障定位,提升网络可视化、可追溯性与运维效率,结合模拟实验验证其高效性与准确性。
506 3
|
10月前
|
机器学习/深度学习 资源调度 算法
遗传算法模型深度解析与实战应用
摘要 遗传算法(GA)作为一种受生物进化启发的优化算法,在复杂问题求解中展现出独特优势。本文系统介绍了GA的核心理论、实现细节和应用经验。算法通过模拟自然选择机制,利用选择、交叉、变异三大操作在解空间中进行全局搜索。与梯度下降等传统方法相比,GA不依赖目标函数的连续性或可微性,特别适合处理离散优化、多目标优化等复杂问题。文中详细阐述了染色体编码、适应度函数设计、遗传操作实现等关键技术,并提供了Python代码实现示例。实践表明,GA的成功应用关键在于平衡探索与开发,通过精心调参维持种群多样性同时确保收敛效率
|
10月前
|
机器学习/深度学习 边缘计算 人工智能
粒子群算法模型深度解析与实战应用
蒋星熠Jaxonic是一位深耕智能优化算法领域多年的技术探索者,专注于粒子群优化(PSO)算法的研究与应用。他深入剖析了PSO的数学模型、核心公式及实现方法,并通过大量实践验证了其在神经网络优化、工程设计等复杂问题上的卓越性能。本文全面展示了PSO的理论基础、改进策略与前沿发展方向,为读者提供了一份详尽的技术指南。
粒子群算法模型深度解析与实战应用
|
10月前
|
机器学习/深度学习 算法 安全
小场景大市场:猫狗识别算法在宠物智能设备中的应用
将猫狗识别算法应用于宠物智能设备,是AIoT领域的重要垂直场景。本文从核心技术、应用场景、挑战与趋势四个方面,全面解析这一融合算法、硬件与用户体验的系统工程。
799 0
|
分布式计算 并行计算 算法
MapReduce在实现PageRank算法中的应用
总结来说,在实现PageRank算法时使用MapReduce能够有效地进行大规模并行计算,并且具有良好的容错性和可扩展性。
543 76
|
12月前
|
机器学习/深度学习 人工智能 自然语言处理
深度学习模型、算法与应用的全方位解析
深度学习,作为人工智能(AI)的一个重要分支,已经在多个领域产生了革命性的影响。从图像识别到自然语言处理,从语音识别到自动驾驶,深度学习无处不在。本篇博客将深入探讨深度学习的模型、算法及其在各个领域的应用。
2029 3
|
12月前
|
机器学习/深度学习 人工智能 算法
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
AI-Compass 强化学习模块:理论到实战完整RL技术生态,涵盖10+主流框架、多智能体算法、游戏AI与金融量化应用
|
12月前
|
存储 监控 安全
企业上网监控系统中红黑树数据结构的 Python 算法实现与应用研究
企业上网监控系统需高效处理海量数据,传统数据结构存在性能瓶颈。红黑树通过自平衡机制,确保查找、插入、删除操作的时间复杂度稳定在 O(log n),适用于网络记录存储、设备信息维护及安全事件排序等场景。本文分析红黑树的理论基础、应用场景及 Python 实现,并探讨其在企业监控系统中的实践价值,提升系统性能与稳定性。
736 1
|
11月前
|
算法 数据可视化
matlab版本粒子群算法(PSO)在路径规划中的应用
matlab版本粒子群算法(PSO)在路径规划中的应用