【算法基础】基础算法(二)--(高精度、前缀和、差分)(下)

简介: 【算法基础】基础算法(二)--(高精度、前缀和、差分)(下)

【算法基础】基础算法(二)--(高精度、前缀和、差分)(上)https://developer.aliyun.com/article/1514661?spm=a2c6h.13148508.setting.29.4b904f0ejdbHoA

2、注意事项
a. 长度不一致

首先进行比较判断,如果 A < B,则将 0 添加到结果 C 中,得商为 0,并将余数 r 赋值为 A,得 r == A,然后返回结果 C。


b. k 的作用

用于记录每次除法计算中的商。


c.  去除前导 0

这段代码有两处去除前导 0 的地方,其中一处含义与之前一致,另外一处是:如果余数 r 的长度 > 1 且末尾元素为 0,则将末尾的 0 删除,保持余数的最小表示形式,这段代码的目的是去除余数前导的零。


d. 代码解释
vector<int> div(vector<int> &A, vector<int> &B, vector<int> &r) {
vector<int> C;
    if (!cmp(A, B)) {
        C.push_back(0);
        r.assign(A.begin(), A.end());//使得r和A的内容一致 
        return C;
    }
    int j = B.size();
    r.assign(A.end() - j, A.end());//将A的末尾与除数B长度相同的部分赋值给变量r
    while (j <= A.size()) { //循环执行除法运算 直到处理完所有的被除数
        int k = 0;//记录每次除法计算中的商
        while (cmp(r, B)) {//直到余数r小于除数B为止
            r = sub(r, B);//将r减去除数B得到新的余数r
            k ++;//每执行一次减法运算,商的个数k就+1
        }
        C.push_back(k);//将每次除法计算得到的商k添加到C的末尾 用于存储所有的商
        if (j < A.size())
            r.insert(r.begin(), A[A.size() - j - 1]);//将下一个被除数数字添加到余数r 
        if (r.size() > 1 && r.back() == 0)
            r.pop_back();//去除余数前导的零
        j++;
    }
    reverse(C.begin(), C.end());
    while (C.size() > 1 && C.back() == 0)
        C.pop_back();
    return C;
}

(3)练习

794. 高精度除法 - AcWing题库


二、前缀和与差分

1、前缀和

前缀和可以用于快速计算一个序列的区间和,也有很多问题里不是直接用前缀和,但是借用了前缀和的思想。

(1)一维前缀和

预处理出一个前缀和数组后,要求一段区间和可以使用O(1)的时间复杂度快速求出。

【公式】

预处理 s [ i ] = a [ i ] + a [ i - 1 ]

求区间 [ l r ]: sum = s [ r ] - s [ l - 1 ]

" 前缀和数组 " " 原数组 " 可以合二为一

给定一个 a 数组,请求出它的前缀和数组 s :

那么 a 数组的前缀和数组为:

a 数组与 s 数组之间满足:s[i] = a[0] + a[1] + a[2] + … + a[i]

由于我们在计算前缀和时,为了更加方便,我们会将数组下标从 1 开始存入和读取。

所以,我们的 s 前缀和数组为: s[i] = a[1] + a[2] + … + a[i]

如果要求某个区间的和该怎么办?

用以上的例子,我们想求 a 数组中下标从 3 到 6 的数值的和。如下图:

前缀和原理分析可知:a[3] + a[4] + a[5] + a[6] = s[6] - s[2]


【一维前缀和模板】

🔺记忆!

const int N=100010;
int a[N];
int main(){
    int n,m;
    scanf("%d",&n);
    for(int i=1;i<=n;i++)scanf("%d",&a[i]);
    for(int i=1;i<=n;i++)a[i]=a[i-1]+a[i];
    scanf("%d",&m);
    while(m--){
        int l,r;
        scanf("%d%d",&l,&r);
        printf("%d\n",a[r]-a[l-1]);
    }
    return 0;
}

写法二:

const int N=100010;
int a[N], s[N];
int main(){
    int n,m;
    scanf("%d",&n);
    for(int i=1;i<=n;i++)scanf("%d",&a[i]);
    for(int i=1;i<=n;i++)s[i]=s[i-1]+a[i];
    scanf("%d",&m);
    while(m--){
        int l,r;
        scanf("%d%d",&l,&r);
        printf("%d\n",s[r]-s[l-1]);
    }
    return 0;
}

【练习】

795. 前缀和 - AcWing题库


(2)二维前缀和

计算矩阵的前缀和: s [ x ][ y ] = s [ x - 1 ][ y ] + s [ x ][ y - 1 ] - s [ x - 1 ][ y - 1 ] + a [ x ][ y ]

以 ( x1 y1 ) 为左上角, ( x2 y2 ) 为右下角的子矩阵的和为:

计算子矩阵的和: s = s [ x2 ][ y2 ] - s [ x1 - 1 ][ y2 ] - s [ x2 ][ y1 - 1 ] + s [ x1 - 1 ][ y1 - 1 ]


思路二:

假如我们要求 s[2][3] ,可以根据画图来理解。

s[2][3] 实际上等于下图中绿色区域中数值的和。

我们又可以将这绿色区域划分成以下几种。

我们可以用表达式表示成:s[2][3] = s[2][2] + s[1][3] - s[1][2] + a[2][3]

因为我们在求 s[2][2] 和 s[1][3] 时会求和两次 s[1][2], 所以我们需要再减去一次 s[1][2]。


【二维前缀和模板】

🔺记忆!

int s[1010][1010];
int n,m,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",&s[i][j]);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
            s[i][j]+=s[i-1][j]+s[i][j-1]-s[i-1][j-1];
    while(q--){
        int x1,y1,x2,y2;
        scanf("%d%d%d%d",&x1,&y1,&x2,&y2);
        printf("%d\n",s[x2][y2]-s[x2][y1-1]-s[x1-1][y2]+s[x1-1][y1-1]);
    }
    return 0;
}

写法二:

int a[1010][1010], s[1010][1010];
int n,m,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",&s[i][j]);
    for(int i=1;i<=n;i++)
        for(int j=1;j<=m;j++)
            s[i][j]=s[i-1][j]+s[i][j-1]-s[i-1][j-1]+a[i][j];
    while(q--){
        int x1,y1,x2,y2;
        scanf("%d%d%d%d",&x1,&y1,&x2,&y2);
        printf("%d\n",s[x2][y2]-s[x2][y1-1]-s[x1-1][y2]+s[x1-1][y1-1]);
    }
    return 0;
}

【练习】

796. 子矩阵的和 - AcWing题库


2、差分

差分是前缀和的逆运算,对于一个数组 a ,其差分数组 b 的每一项都是 a[i] 和前一项 a[i−1] 的差。

注意:差分数组和原数组必须分开存放!

  1. 定义:对于已知有 n 个元素的离线数列 a,我们可以建立记录它每项与前一项差值的差分数组 b:显然,b[1] = a[1] - 0 = a[1]; 对于整数 i ∈ [2,n],我们让 b[i] = a[i] - a[i-1]。
  2. 简单性质:(1)计算数列各项的值:观察 a[2] = b[1]+b[2] = a[1] + (a[2] - a[1]) = a[2] 可知,数列第 i 项的值是可以用差分数组的前 i 项的和计算的,即 a[i] = b[i] 的前缀和

(1)一维差分

给区间 [ l r ] 中的每个数加上 c :b [ l ] += c b [ r + 1 ] -= c


【一维差分和模板】

🔺记忆!

using namespace std;
int a[100010],s[100010];
 
int main(){
    int n,m;
    cin>>n>>m;
    for(int i=1;i<=n;i++)cin>>a[i];
    for(int i=1;i<=n;i++)s[i]=a[i]-a[i-1];// 读入并计算差分数组
    while(m--){
        int l,r,c;
        cin>>l>>r>>c;
        s[l]+=c;
        s[r+1]-=c;// 在原数组中将区间[l, r]加上c
    }
    for(int i=1;i<=n;i++){
        s[i]+=s[i-1];
        cout<<s[i]<<' ';
    }// 给差分数组计算前缀和,就求出了原数组
    return 0;
}

(2)二维差分

给以 ( x1 y1 ) 为左上角, ( x2 y2 ) 为右下角的子矩阵中的所有元素加上 c

b[x1y1] += cb[x2+1y1] -= cb[x1y2+1] -= cb[x2+1y2+1] += c

二维差分用于在一个矩阵里,快速里把矩阵的一个子矩阵加上一个固定的数。也是直接来修改差分矩阵。试想只要在差分矩阵的(x1,y1) 位置加上 c,那么以它为左上角,所有后面的元素就都加上了 c。要让(x2,y2) 的右边和下边的元素不受影响,由容斥原理可以知道,只要在(x2+1,y1) 和(x1,y2+1) 位置减去 c,再从(x2+1,y2+1) 位置加回 c 就可以了。


【二维差分模板】

🔺记忆!

const int N = 1e3 + 10;
int a[N][N], b[N][N];
void insert(int x1, int y1, int x2, int y2, int c)
{
    b[x1][y1] += c;
    b[x2 + 1][y1] -= c;
    b[x1][y2 + 1] -= c;
    b[x2 + 1][y2 + 1] += c;
}
int main()
{
    int n, m, q;
    cin >> n >> m >> q;
    for (int i = 1; i <= n; i++)
        for (int j = 1; j <= m; j++)
            cin >> a[i][j];
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= m; j++)
        {
            insert(i, j, i, j, a[i][j]); //构建差分数组
        }
    }
    while (q--)
    {
        int x1, y1, x2, y2, c;
        cin >> x1 >> y1 >> x2 >> y2 >> c;
        insert(x1, y1, x2, y2, c);//加c
    }
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= m; j++)
        {
            b[i][j] += b[i - 1][j] + b[i][j - 1] - b[i - 1][j - 1]; //二维前缀和
        }
    }
    for (int i = 1; i <= n; i++)
    {
        for (int j = 1; j <= m; j++)
        {
            printf("%d ", b[i][j]);
        }
        printf("\n");
    }
    return 0;
}
⚪注意事项
为什么构建差分数组时,是插入i,j,i,j?

使用相同的坐标来作为左上角和右下角的坐标是没有问题的,因为这样可以确保只插入一个元素


相关文章
|
1月前
|
算法 C++
c++算法学习笔记 (5)前缀和+差分
c++算法学习笔记 (5)前缀和+差分
|
1月前
|
算法 C++
c++算法学习笔记 (4)高精度运算
c++算法学习笔记 (4)高精度运算
|
1月前
|
存储 机器学习/深度学习 人工智能
【算法基础】基础算法(三)--(双指针算法、位运算、离散化、区间合并)
【算法基础】基础算法(三)--(双指针算法、位运算、离散化、区间合并)
|
2天前
|
机器学习/深度学习 自然语言处理 算法
m基于深度学习的OFDM+QPSK链路信道估计和均衡算法误码率matlab仿真,对比LS,MMSE及LMMSE传统算法
**摘要:** 升级版MATLAB仿真对比了深度学习与LS、MMSE、LMMSE的OFDM信道估计算法,新增自动样本生成、复杂度分析及抗频偏性能评估。深度学习在无线通信中,尤其在OFDM的信道估计问题上展现潜力,解决了传统方法的局限。程序涉及信道估计器设计,深度学习模型通过学习导频信息估计信道响应,适应频域变化。核心代码展示了信号处理流程,包括编码、调制、信道模拟、降噪、信道估计和解调。
23 8
|
4天前
|
算法
基于GA遗传优化的混合发电系统优化配置算法matlab仿真
**摘要:** 该研究利用遗传算法(GA)对混合发电系统进行优化配置,旨在最小化风能、太阳能及电池储能的成本并提升系统性能。MATLAB 2022a用于实现这一算法。仿真结果展示了一系列图表,包括总成本随代数变化、最佳适应度随代数变化,以及不同数据的分布情况,如负荷、风速、太阳辐射、弃电、缺电和电池状态等。此外,代码示例展示了如何运用GA求解,并绘制了发电单元的功率输出和年变化。该系统原理基于GA的自然选择和遗传原理,通过染色体编码、初始种群生成、适应度函数、选择、交叉和变异操作来寻找最优容量配置,以平衡成本、效率和可靠性。
|
5天前
|
机器学习/深度学习 算法
基于鲸鱼优化的knn分类特征选择算法matlab仿真
**基于WOA的KNN特征选择算法摘要** 该研究提出了一种融合鲸鱼优化算法(WOA)与K近邻(KNN)分类器的特征选择方法,旨在提升KNN的分类精度。在MATLAB2022a中实现,WOA负责优化特征子集,通过模拟鲸鱼捕食行为的螺旋式和包围策略搜索最佳特征。KNN则用于评估特征子集的性能。算法流程包括WOA参数初始化、特征二进制编码、适应度函数定义(以分类准确率为基准)、WOA迭代搜索及最优解输出。该方法有效地结合了启发式搜索与机器学习,优化特征选择,提高分类性能。
|
17小时前
|
机器学习/深度学习 存储 算法
基于SFLA算法的神经网络优化matlab仿真
**摘要:** 使用MATLAB2022a,基于SFLA算法优化神经网络,降低训练误差。程序创建12个神经元的前馈网络,训练后计算性能。SFLA算法寻找最优权重和偏置,更新网络并展示训练与测试集的预测效果,以及误差对比。SFLA融合蛙跳与遗传算法,通过迭代和局部全局搜索改善网络性能。通过调整算法参数和与其他优化算法结合,可进一步提升模型预测精度。
|
5天前
|
机器学习/深度学习 算法 数据可视化
基于BP神经网络的64QAM解调算法matlab性能仿真
**算法预览图省略** MATLAB 2022A版中,运用BP神经网络进行64QAM解调。64QAM通过6比特映射至64复数符号,提高数据速率。BP网络作为非线性解调器,学习失真信号到比特的映射,对抗信道噪声和多径效应。网络在处理非线性失真和复杂情况时展现高适应性和鲁棒性。核心代码部分未显示。
|
3天前
|
算法 计算机视觉
基于Chan-Vese算法的图像边缘提取matlab仿真
**算法预览展示了4幅图像,从边缘检测到最终分割,体现了在matlab2022a中应用的Chan-Vese水平集迭代过程。核心代码段用于更新水平集并显示迭代效果,最后生成分割结果及误差曲线。Chan-Vese模型(2001)是图像分割的经典方法,通过最小化能量函数自动检测平滑区域和清晰边界的图像分割,适用于复杂环境,广泛应用于医学影像和机器视觉。**
|
8天前
|
机器学习/深度学习 算法 数据可视化
m基于PSO-LSTM粒子群优化长短记忆网络的电力负荷数据预测算法matlab仿真
在MATLAB 2022a中,应用PSO优化的LSTM模型提升了电力负荷预测效果。优化前预测波动大,优化后预测更稳定。PSO借鉴群体智能,寻找LSTM超参数(如学习率、隐藏层大小)的最优组合,以最小化误差。LSTM通过门控机制处理序列数据。代码显示了模型训练、预测及误差可视化过程。经过优化,模型性能得到改善。
28 6