文章目录
一、基础算法(上)
1 快速排序模板2 快速选择的两种模板3 归并排序模板4 求逆序对的数量5 整数二分6 浮点数二分 二、基础算法(中)
1 高精度
I 高精度加法II 高精度减法III 高精度乘法IV 高精度除法 2 前缀和
I 一维II 二维 3 差分
I 一维II 二维 三、基础算法(下)
1 双指针算法
I 最长连续不重复子序列II 数组元素的目标和III 判断子序列 2 位运算
I n的二进制表示中的第k位II 返回x的最后一位1 lowbit(x)III 让x的最低位1变成0IV 二进制中1的个数 3 离散化4 区间合并 一、基础算法(上) 1 快速排序模板
这个模板的好处是如果应对全部相同的元素3 3 3 3 3 3 3,它一样可以保持每次都能取到接近中点的位置,这样应对这种情况时,时间复杂度可以保持在O(nlogn),而其他写法如果遇到全部相同的元素会因为每次都只能舍掉1个元素而导致会递归n层,使得时间复杂度变为O(n^2)。
void quick_sort(int* q, int l, int r){ if (l >= r) return; int i = l - 1, j = r + 1, x = q[l + r >> 1]; while (i < j) { do i++; while (q[i] < x); do j--; while (q[j] > x); if (i < j) swap(q[i], q[j]); } quick_sort(q, l, j); quick_sort(q, j + 1, r);}
2 快速选择的两种模板
快速选择算法:
思路:一次快排单趟后,左边区间的数是小于等于右边区间的数的,假设左边区间的元素个数是Sl,右边区间的元素个数是Sr。
如果k <= Sl,那么第k小的数一定在左边区间,递归处理左边区间,找左边区间的第k个数;
如果k > sl,那么第k小的数一定在右半区间,递归处理右边区间,找右半区间的第k - sl个数。
假设每次都均匀二分,时间复杂度计算:
第 一 次 单 趟 长 度 n 第 二 次 单 趟 长 度 n 2 第 三 次 单 趟 长 度 n 4 . . . 所 以 总 的 计 算 长 度 为 n + n 2 + n 4 + . . . = n ( 1 + 1 2 + 1 4 + . . . ) < 2 n 所 以 时 间 复 杂 度 为 O ( n ) 第一次单趟长度n\ 第二次单趟长度frac{n}{2}\ 第三次单趟长度frac{n}{4}\ ...\ 所以总的计算长度为n + frac{n}{2} + frac{n}{4}+...=n(1 + frac{1}{2} + frac{1}{4} + ...)<2n\ 所以时间复杂度为O(n) 第一次单趟长度n第二次单趟长度2n第三次单趟长度4n...所以总的计算长度为n+2n+4n+...=n(1+21+41+...)<2n所以时间复杂度为O(n)
如果直接排序,那么时间复杂度是O(nlogn),如果使用快速选择算法,时间复杂度是O(n)
#include using namespace std;const int N = 1e6 + 10;int q[N];int quick_select(int* q, int l, int r, int k){ if (l == r) return q[l]; int i = l - 1, j = r + 1, x = q[l + r >> 1]; while (i < j) { do i++; while (q[i] < x); do j--; while (q[j] > x); if (i < j) swap(q[i], q[j]); } int sl = j - l + 1; if (sl >= k) return quick_select(q, l, j, k); else return quick_select(q, j + 1, r, k - sl);}int main(){ int n, k; cin >> n >> k; for (int i = 0; i < n; ++i) cin >> q[i]; cout << quick_select(q, 0, n - 1, k) << endl; return 0;}
另一种快速选择模板:
这种要返回最小的k个数或最大的k个数的大概都有三种解法:sort、priority_queue、快速选择,其中快速选择的模板如下:
class Solution {public: vector getLeastNumbers(vector& arr, int k) { if (k == 0) return {}; quick_select(arr, 0, arr.size() - 1, k); return {arr.begin(), arr.begin() + k}; } void quick_select(vector& arr, int l, int r, int k) { int i = l - 1, j = r + 1, x = arr[(l + r) >> 1]; while (i < j) { do i++; while (arr[i] < x); do j--; while (arr[j] > x); if (i < j) swap(arr[i], arr[j]); } int sl = j - l + 1; if (k < sl) quick_select(arr, l, j, k); else if (k > sl) quick_select(arr, j + 1, r, k - sl); }};
3 归并排序模板
const int N = 100010;int tmp[N];void merge_sort(int* q, int l, int r){ if (l >= r) return; int mid = (l + r) >> 1; int i = l, j = mid + 1, k = 0; merge_sort(q, l, mid); merge_sort(q, mid + 1, r); while (i <= mid && j <= r) { if (q[i] <= q[j]) tmp[k++] = q[i++]; else tmp[k++] = q[j++]; } while (i <= mid) tmp[k++] = q[i++]; while (j <= r) tmp[k++] = q[j++]; for (i = l, j = 0; i <= r; ++i, ++j) { q[i] = tmp[j]; }}
4 求逆序对的数量
思路:
那么怎么快速统计一半在左半区间一半在右半区间的逆序对个数呢,见下图:
其实假设merge_sort会把该区间的逆序对个数返回,靠得也是分到最底层时下面的归并的过程。
INT_MAX大概是2 * 10^9,超过3 * 1e9就会爆int,本题最大的逆序对数量是全部逆序时,假设数组长度为n,则n - 1 + n - 2 + ..、+ 1 = n^2 / 2,代入n = 1e5得最大逆序数量为5 * 1e9,会爆int,所以用long long
#include using namespace std;const int N = 1e5 + 10;int tmp[N];int q[N];typedef long long LL;LL merge_sort(int* q, int l, int r){ if (l >= r) return 0; int mid = (l + r) >> 1; //加左区间的逆序对数量和右区间的逆序对数量 LL ret = merge_sort(q, l, mid) + merge_sort(q, mid + 1, r); //归并 同时处理q[i] > q[j]这种左端点在左区间 右端点在右区间的逆序对数量mid - i + j int i = l, j = mid + 1, k = 0; while (i <= mid && j <= r) { if (q[i] <= q[j]) tmp[k++] = q[i++]; else { ret += mid - i + 1; tmp[k++] = q[j++]; } } //扫尾 while (i <= mid) tmp[k++] = q[i++]; while (j <= r) tmp[k++] = q[j++]; //归并回去 for (i = l, j = 0; i <= r; ++i, ++j) { q[i] = tmp[j]; } return ret;}int main(){ int n; cin >> n; for (int i = 0; i < n; ++i) cin >> q[i]; cout << merge_sort(q, 0, n - 1) << endl; return 0;}
5 整数二分
有单调性的题目一定可以二分,但是可以二分的题目不一定有单调性。
本质:可以把区间一分为2,左半边是满足性质1的,右半边是满足性质2的,则二分一定可以找到区间的边界,即找到满足此性质的最右边一个点。
一般选择两种模板的方式是先建模check,然后根据此时区间的更新方式选择是用I还是II,如果更新方式是l = mid,则mid = (l + r + 1) >> 1;,如果更新方式是r = mid,那么mid = (l + r) >> 1;
l = mid更新时+1的原因,如果l = r - 1时,由于C++是向下取整,l + r / 2就等于l,不变,就死循环了。
例题:
#include using namespace std;int main(){ int n, q; cin >> n >> q; int a[n]; for (int i = 0; i < n; ++i) { cin >> a[i]; } int x; while (q--) { cin >> x; int l = 0, r = n - 1; while (l < r) { int mid = (l + r) >> 1; if (a[mid] >= x) r = mid; else l = mid + 1; } if (a[l] != x) cout << "-1 -1" << endl; else { cout << l << ' '; l = 0, r = n - 1; while (l < r) { int mid = (l + r + 1) >> 1; if (a[mid] <= x) l = mid; else r = mid - 1; } cout << l << endl; } } return 0;}
总结:每次都要选择答案所在的区间进行处理,无解的情况是题目可能无界,模板不会无界,因为定义的性质肯定有边界,这个模板一定可以找到这个边界,一般我们都是用二分出的边界来判断题目是否有解。
6 浮点数二分
浮点数二分不存在向下整除的边界问题,所以直接二分就可以了,不用像上面那样处理边界mid = (l + r) / 2 或 mid = (l + r + 1) / 2.
例题:
#include using namespace std;int main(){ double x; cin >> x; double l = -10000, r = 10000; while (r - l >= 1e-8) { double mid = (l + r) / 2; if (mid * mid * mid >= x) { r = mid; } else { l = mid; } } printf("%.6lfn", r); return 0;}
二、基础算法(中) 1 高精度 I 高精度加法
大整数的位数极端情况下大概有1e6位,大整数加法是两个1e6位的大整数加法。
大整数的储存是存到一个数组里头去,存储数据时,低位存到数组的低位更好一些,这样可以方便的处理进位的问题。
模板
#include #include #include using namespace std;vector add(const vector& A, const vector& B){ int carry = 0; vector C; int i = 0, j = 0; while (i < A.size() || j < B.size() || carry != 0) { int tmp = (i == A.size() ? 0 : A[i++]) + (j == B.size() ? 0 : B[j++]) + carry; C.push_back(tmp % 10); carry = tmp / 10; } return C;}int main(){ string a, b; cin >> a >> b; vector A; vector B; for (int i = a.size() - 1; i >= 0; --i) A.push_back(a[i] - '0'); for (int i = b.size() - 1; i >= 0; --i) B.push_back(b[i] - '0'); auto C = add(A, B); for (int i = C.size() - 1; i >= 0; --i) cout << C[i]; return 0;}
II 高精度减法
A i − B i − t i f 上 面 小 于 0 , A i + 10 − B i − t 向 下 一 位 借 位 e l s e , A i − B i − t 即 可 A_i - B_i - t\ if上面小于0,A_i + 10 - B_i - t 向下一位借位\ else,A_i-B_i-t即可 Ai−Bi−tif上面小于0,Ai+10−Bi−t向下一位借位else,Ai−Bi−t即可
模板
#include #include #include using namespace std;bool cmp(const vector& A, const vector& B){ if (A.size() != B.size()) return A.size() > B.size(); for (int i = A.size() - 1; i >= 0; --i) { if (A[i] != B[i]) return A[i] > B[i]; } return true;}vector sub(const vector& A, const vector& B){ vector C; int t = 0; for (int i = 0; i < A.size(); ++i) { t = A[i] - (i < B.size() ? B[i] : 0) - t; C.push_back((t + 10) % 10); if (t < 0) t = 1; else t = 0; } while (C.size() > 1 && C.back() == 0) C.pop_back(); return C;}int main(){ string a, b; cin >> a >> b; vector A; vector B; for (int i = a.size() - 1; i >= 0; --i) A.push_back(a[i] - '0'); for (int i = b.size() - 1; i >= 0; --i) B.push_back(b[i]- '0'); if (cmp(A, B)) { auto C = sub(A, B); for (int i = C.size() - 1; i >= 0; --i) cout << C[i]; } else { auto C = sub(B, A); cout << '-'; for (int i = C.size() - 1; i >= 0; --i) cout << C[i]; } return 0;}
III 高精度乘法
算法思想:高精度A乘短长度的b,把b看成一个整体,结果的每一位都等于(A[i] * b + t) % 10,然后更新进位为t = (A[i] * b + t) / 10
#include #include #include using namespace std;vector mul(const vector& A, const int b){ vector C; int t = 0; int i = 0; while (i < A.size() || t != 0) { t = (i < A.size() ? A[i] : 0) * b + t; C.push_back(t % 10); t /= 10; i++; } while (C.size() > 1 && C.back() == 0) C.pop_back(); return C;}int main(){ string a; int b; cin >> a >> b; vector A; for (int i = a.size() - 1; i >= 0; --i) A.push_back(a[i] - '0'); auto C = mul(A, b); for (int i = C.size() - 1; i >= 0; --i) cout << C[i]; return 0;}
IV 高精度除法
本除法是一个高精度整数除以一个低精度整数b,把大整数A从高位往低位排,排成AnAn-1...A0,初始时余数r等于An,每次都求一个余数r整除b的值,商到结果C的back去,然后更新余数为(r % b) * 10 + An-1,循环下去,直到走完A0
#include #include #include #include using namespace std;vector div(const vector& A, const int b, int& r){ vector C; for (int i = A.size() - 1; i >=0; --i) { r = r * 10 + A[i]; C.push_back(r / b); r %= b; } reverse(C.begin(), C.end()); while (C.size() > 1 && C.back() == 0) C.pop_back(); return C;}int main(){ string a; int b; cin >> a >> b; int r = 0; vector A; for (int i = a.size() - 1; i >= 0; --i) A.push_back(a[i] - '0'); auto C = div(A, b, r); for (int i = C.size() - 1; i >=0; --i) cout << C[i]; cout << endl << r << endl;}
2 前缀和 I 一维
假设有一个长度为n的数组:a1 , a2, a3, ..., an,前缀和定义为Si = a1 + a2 + ..、+ ai.
如何求Si?Si有什么用?
怎么求前缀和? 利用递推公式Si = Si-1 + ai(定义S0 = 0)
作用:快速求出原数组中一段数的和 al + al+1 + ..、+ ar = Sr - Sl-1,此操作是O(1)的。
为什么下标要从1开始,是为了定义S0,这样方便用统一的公式。
模板:
#include using namespace std;const int N = 1e6 + 10;int a[N];int s[N];int main(){ int n, m; int l, r; scanf("%d %d", &n, &m); for (int i = 1; i <= n; ++i) { scanf("%d", &a[i]); s[i] = s[i - 1] + a[i]; } while (m--) { scanf("%d %d",&l, &r); printf("%dn", s[r] - s[l - 1]); } return 0;}
II 二维
Sij表示以(1,1)到(i,j)组成的长方形内的元素的和。
怎么求?递推公式推导如图:
作用:求(x1, y1)为左上顶点,(x2, y2)为右上顶点的矩形中所有元素的和。
模板代码:
#include using namespace std;const int N = 1010;int a[N][N];int s[N][N];int main(){ int n, m , q; 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]); } } for (int i = 1; i <= n; ++i) { for (int j = 1; j <= m; ++j) { s[i][j] = a[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("%dn", s[x2][y2] - s[x2][y1 - 1] - s[x1 - 1][y2] + s[x1 - 1][y1 - 1]); } return 0;}
观察边界:
3 差分 I 一维
假设给定数组a1, a2, ..., an,需要构造数组b1, b2, ..., bn使得ai = b1 + b2 +...+ bi,即构造一个b数组使得a数组是b数组的前缀和,则b数组称为a数组的差分。
可以发现前缀和和差分是一对逆运算。
定义b1 = a1,其余情况bi = ai - a(i-1)即可。
差分的作用:
O(n)的时间由b数组得到a数组。如果有一堆操作,要求给a数组的区间[l, r]的每个值都加c,如果利用差分,可以让每个操作都是O(1)的,如果要得到增加后了的a数组,则可以用一个O(n)的操作由b数组得到a数组,具体的操作就是bl + c, b(r+1) - c、
差分的构造过程可以视为原始a数组全0,因此差分数组b也是全0,然后对(1,1)区间加a1…对(n,n)区间加an,所以差分不需要构造操作,只需要插入操作就可以了。
模板:
#include using namespace std;const int N = 1e6 + 10;int a[N];int b[N];void Insert(int* gap, int l, int r, int c){ gap[l] += c; gap[r + 1] -= c;}int main(){ int n, m; int l, r, c; scanf("%d %d", &n, &m); for (int i = 1; i <= n; ++i) scanf("%d", &a[i]); for (int i = 1; i <= n; ++i) { Insert(b, i, i, a[i]); } while (m--) { scanf("%d%d%d", &l, &r, &c); Insert(b, l, r, c); } for (int i = 1; i <= n; ++i) { a[i] = a[i - 1] + b[i]; } for (int i = 1; i <= n; ++i) { printf("%d ", a[i]); } return 0;}
II 二维
定义一个矩阵A,构造矩阵B使得矩阵A的元素aij是矩阵B(1,1)到(i,j)的前缀和,那么B矩阵就是A矩阵的差分矩阵。
二维差分的主要作用是是给A的某个子矩阵加上值c,这个操作是O(1)的。
所以这里初始化可以这样想:首先假定A矩阵全部值都是0,则B矩阵全部值都是0,然后对A的每个点的赋值可以看做是给每个子矩阵(i,j)-(i,j)插入一个a[i][j],构造差分矩阵的过程可以归类到插入操作中。
#include using namespace std;const int N = 1010;int a[N][N];int b[N][N];void Insert(int b[N][N], int x1, int y1, int x2, int y2, int c){ b[x1][y1] += c; b[x1][y2 + 1] -= c; b[x2 + 1][y1] -= c; b[x2 +1][y2 + 1] += c;}int main(){ int n, m , q; int x1, y1, x2, y2, c; 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]); } } for (int i = 1; i <= n; ++i) { for (int j = 1; j <= m; ++j) { Insert(b, i, j, i, j, a[i][j]); } } while (q--) { cin >> x1 >> y1 >> x2 >> y2 >> c; Insert(b, x1, y1, x2, y2, c); } for (int i = 1; i <= n; ++i) { for (int j = 1; j <= m; ++j) { a[i][j] = b[i][j] + a[i - 1][j] + a[i][j - 1] - a[i - 1][j - 1]; } } for (int i = 1; i <= n; ++i) { for (int j = 1; j <= m; ++j) { cout << a[i][j] << ' '; } cout << endl; } return 0;}
三、基础算法(下) 1 双指针算法
总共大概两大类:
双指针算法的核心思想:把O(n^2)的暴力遍历优化成O(n).
大概模板:
for (int i = 0, j = 0; i < n; ++i){ //j合法且满足某种性质则j++ while (j < n && check(i, j)) ++j; //每个题目的具体逻辑}
I 最长连续不重复子序列
一般这种双指针的题可以先想一下朴素做法,
//枚举终点for (int j = 0; j < n; ++j){ //枚举起点 for (int i = 0; i <= j; ++i) { if (check(i, j)) ret = max(ret, j - i + 1); }}
其时间复杂度为O(n^2)(不考虑check的复杂度时)
观察到假如定义i为以j结尾的串的最右边端点,会发现当j往后走的时候i一定会往后走或者不动,不可能往前走,因此可以改进如下:
for (int j = 0, i = 0; j < n; ++j){ while (i <= j && check(i, j)) ++i; ret = max(ret, j - i + 1);}
这样两个指针最多走2n步了,复杂度就优化到O(n)了。
双指针算法的本质就是发现某些性质(尤其是单调性),使得本来我们要枚举n^2个状态转化为枚举O(n)个状态。
具体怎么检查i和j之间维护的是以j结尾的最长不重复子串见下面代码:
#include using namespace std;const int N = 1e5 + 10;int q[N];int cnt[N];int main(){ int n; cin >> n; for (int i = 0; i < n; ++i) cin >> q[i]; int ret = 0; for (int j = 0, i = 0; j < n; ++j) { ++cnt[q[j]]; while (cnt[q[j]] > 1) { --cnt[q[i]]; ++i; } ret = max(ret, j - i + 1); } cout << ret << endl;}
II 数组元素的目标和
#include using namespace std;const int N = 1e5 + 10;int A[N];int B[N];int main(){ int n, m, x; cin >> n >> m >> x; for (int i = 0; i < n; ++i) cin >> A[i]; for (int i = 0; i < m; ++i) cin >> B[i]; for (int i = 0, j = m - 1; i < n; ++i) { while (j >= 0 && A[i] + B[j] > x) --j; if (A[i] + B[j] == x) { cout << i << ' ' << j; break; } } return 0;}
III 判断子序列
#include using namespace std;const int N = 1e5 + 10;int a[N];int b[N];int main(){ int n, m; cin >> n >> m; int flag = 0; for (int i = 0; i < n; ++i) cin >> a[i]; for (int i = 0; i < m; ++i) cin >> b[i]; for (int i = 0, j = 0; i < n; ++i) { while (j < m && b[j] != a[i]) ++j; if (j == m) { cout << "No"; flag = 1; break; } ++j; } if (flag == 0) cout << "Yes"; return 0;}
2 位运算 I n的二进制表示中的第k位
这里规定个位为第0位。
先把n的第k位移动到个位n >>= k看看此时的n个位是几 n & 1综合:(n >> k) & 1
int main(){ int n; cin >> n; for (int k = 31; k >= 0; --k) cout << (n >> k & 1); return 0;}
II 返回x的最后一位1 lowbit(x)
这里准确的表述应该是返回x的最右边一位1,然后这个1往左都是0,往右也都是0.
lowbit(x) = x & (-x)
原理:C++中,负数都是用补码储存的,所以-x = ~x + 1,设x = A 1 B,B是k个0,则~x = ~A 0 C,C是k个1,~x + 1 = ~A 1 B,x&(~x + 1) = 0 1 B,即我们要的答案。
III 让x的最低位1变成0
x = x & (x - 1),证明类似上面。
IV 二进制中1的个数
思路1:
#include using namespace std;int lowbit(int x){ return x & (-x);}int main(){ int n, x, cnt; cin >> n; while (n--) { cin >> x; cnt = 0; while (x) { ++cnt; x -= lowbit(x); } cout << cnt << ' '; } return 0;}
思路2:
#include using namespace std;const int N = 1e6 + 10;int q[N];int main(){ int n; cin >> n; for (int i = 0; i < n; ++i) cin >> q[i]; for (int i = 0; i < n; ++i) { int cnt = 0; while (q[i] != 0) { q[i] &= (q[i] - 1); ++cnt; } cout << cnt << ' '; } return 0;}
3 离散化
在一组数据值域很大但是数据个数却不大的情况下,可以使用离散化的技术,所谓的离散化就是把一组数据映射到一组相同个数的连续的自然数,如:1 3 100 2000 500000 -> 0 1 2 3 4.
离散化的两个问题:
用到的数据组成的a数组中可能有重复元素,需要排序再去重。如何算出x离散化后的值是多少,由于这时a数组是有序的,直接在a数组中二分查找x的位置即可。
C++去重的库函数,对于一个vector alls,下面的代码可以完成排序加去重。
sort(alls.begin(), alls.end());alls.erase(unique(alls.begin, alls.end()), alls.end());//unique会把不重复的元素排在前面 重复的元素扔到后面 返回第一个重复的元素的迭代器//然后erase掉就行int find(const vector& q, int x){ int l = 0, r = q.size() - 1; while (l < r) { int mid = (l + r) >> 1; if (q[mid] >= x) r = mid; else l = mid + 1; } return r + 1;//映射到1~q.size()}
例题:
传统思路是我们开一个2 * 1e9个元素的数组,然后用前缀和来处理询问s[r] - s[l - 1],但是请看我们仅有n个插入和m个询问,实际上需要的下标数是n个插入用的n个下标和m次询问用的2m个前缀和下标,n和m都是1e5数量级的,也就是说大概总共会用3* 1e5个下标,完全没有1e10的数量级.
总范围是2 * 1e9,但是我们只用到了3 * 1e5个数,这就是典型的离散化应用场景。
我们可以把用到的下标排个序,保序映射到从1开始的自然数序列。
要给x下标的位置加c,等价于给x的离散化对应的字母k,对a[k] += c;
要查询[l, r]的值的和,把l->k1, r->k2,然后求一下a[k1] + ..、+a[k2]即可。
代码:
#include #include #include using namespace std;typedef pair PII;//插入n次 询问m次 一共用 n + 2m 级别个下标 //所以离散化后的数组及其前缀和数组开为3 * 1e5级别const int N = 3 * 1e5 + 10;int a[N];int s[N];vector alls;vector adds;vector asks;int find(int x){ int l = 0, r = alls.size() - 1; while (l < r) { int mid = (l + r) >> 1; if (alls[mid] >= x) r = mid; else l = mid + 1; } return r + 1;}int main(){ int n, m; cin >> n >> m; for (int i = 0; i < n; ++i) { int x, c; cin >> x >> c; adds.push_back({x, c}); } for (int i = 0; i < m; ++i) { int l, r; cin >> l >> r; asks.push_back({l, r}); } for (int i = 0; i < adds.size(); ++i) { alls.push_back(adds[i].first); } for (int i = 0; i < asks.size(); ++i) { alls.push_back(asks[i].first); alls.push_back(asks[i].second); } sort(alls.begin(), alls.end()); alls.erase(unique(alls.begin(), alls.end()), alls.end()); for (auto e : adds) { int x = find(e.first); a[x] += e.second; } for (int i = 1; i <= alls.size(); ++i) { s[i] = s[i - 1] + a[i]; } for (auto e : asks) { int l = find(e.first); int r = find(e.second); cout << s[r] - s[l - 1] << endl; } return 0;}
unique函数的实现算法:
vector::iterator unique(vector& a){ int j = 0; for (int i = 0; i < a.size(); ++i) { if (!i || a[i - 1] != a[i]) { a[j++] = a[i]; } } return a.begin() + j;}
4 区间合并
用途:有很多区间,若几个区间有交集(端点相交也算),则把这几个区间合并为一个比较长的区间。
模板题:
思路:
代码:
#include #include #include using namespace std;typedef pair PII;const int N = 1e6 + 10;vector segs;void merge(vector& segs){ vector ans; //先假设一个[-2e9, -2e9]的区间作为起始 int st = -2e9, end = -2e9; //先排序 sort(segs.begin(), segs.end()); for (auto seg : segs) { if (seg.first > end) { if (end != -2e9) { ans.push_back({st, end}); } st = seg.first; end = seg.second; } else end = max(end, seg.second); } if (end != -2e9) ans.push_back({st, end}); segs = ans;}int main(){ int n; cin >> n; for (int i = 0; i < n; ++i) { int l, r; cin >> l >> r; segs.push_back({l, r}); } merge(segs); cout << segs.size() << endl; return 0;}