【C/C++算法】从浅到深学习--- 前缀和算法(图文兼备 + 源码详解)

发布于:2025-03-16 ⋅ 阅读:(27) ⋅ 点赞:(0)

绪论:冲击蓝桥杯一起加油!!
在这里插入图片描述
每日激励:“不设限和自我肯定的心态:I can do all things。 — Stephen Curry”

绪论​:
本章将使用八道题由浅到深的带你了解并基本掌握前缀和思想,以及前缀和的基本用法!
————————
早关注不迷路,话不多说安全带系好,发车啦(建议电脑观看)。


前缀和算法总结:

常规的前缀和分为两种(也是练习1、2):

  1. 一维前缀和:比较简单,在我们需要快速的算出某一数组中的数据时,可以想想是否能使用前缀和,它的使用条件:

    1. 一维数组
    2. 求数组中任意连续的值
    • 对于满足上述条件后就能考虑使用前缀和数组
    • 其中前缀和数组存储dp[ i ]的是:从 1~ i 区域内的元素值之和
    • 其中下标从1开始算,每次创建的数组大小为 n + 1 保证从 1 开始(从1开始是因为: 计算 dp[i] 需要使用 dp[i - 1],假设 i 不从1开始,若 i 为0,就会越界访问)
    • 具体当我们拥有了一个前缀和数组dp后,使用前缀和数组算出结果,当要求 r ~ l这段区间时它的计算方法就是: dp[ r ] - dp[ l -1 ]
      在这里插入图片描述
  2. 二维前缀和:

    1. 条件类似:二维数组,当要求某一块区间的值时 可以考虑使用二维前缀和

    2. 该二维前缀和数组dp[ i ][ j ]中存储的是:从 (0,0) ~ (i,j)区域的所有元素值的和
      在这里插入图片描述

    3. 使用:对于二维前缀和的使用稍微对比起来有点难度,一般来说需要使用到两个公式

      1. 计算出二维前缀和数组中的值的公式:dp[ i ][ j ] = dp[ i ][ j - 1] + dp[ i-1 ][ j ] + arr[ i ][ j ] - dp[ i - 1 ][ j - 1 ]

      对于该公式,切记一定不要死记
      通过下图右边图记忆:
      理解:当我们我们要求的空间可以分为右边图形中的四块:A、B、C、D,其中假如我们从上往下,从左往右的去填写当前的dp数组时,本质上 A、B、C三个区域的值都是已经算好了的,而对于 D 来说他就是自身当前位置的值 arr[ i ][ j ],所以这样我们就能得出上面的公式:
      A = dp[ i - 1][ j - 1 ]、B = dp[ i - 1][ j ]、C = dp[ i ][ j - 1 ]、D = arr[ i ][ j ]
      在这里插入图片描述

      1. 使用二维前缀和公式快速算出任意两点(x1,y1) ~ (x2,y2)区域的公式:dp[ x2 ][ y2 ] - dp[ x1 - 1 ][ y2 ] - dp[ x2 ][ y1 - 1 ] - dp[ x2 ][ y1 - 1] + dp[ x1 - 1][ y1 - 1 ]

      而对于这个公式来说同样,也是通过一张图进行记忆:
      具体如下就过诉了,这里本质要求的就是 D 区域,如何通过 提前准备好的 二维前缀和数组 求出 D区域的值(同样还是记忆下面右图逻辑即可,必要时画个图
      在这里插入图片描述

  3. 其中前缀和只是个思想,它使用一个数组的形式提前存储一段区间的值,其中这个 区间的值的求法,可能并不一样

    1. 比如存储了 1 ~ i 区间的和、
    2. 存储了 1 ~ i 区间的乘积、
    3. 存储了 1 ~ i 区间的某个数的出现个数…
    4. 再或者是一个后缀和(从后往前的记录其中的值)
  • 始终记住前缀和可以用来求出某一段连续区域的值的思想,后面首先会通过两道简单的题(一维和二维前缀和练手),后面将会逐步递增难度(也就代表这个前缀和中存储的并不是 前缀的和
  • 过程中一般都是求某段连续区域中的某个值,对于感觉大脑不够想的时候一定要画图!通过简单的图示更方便的理解和写出公式

具体训练:

1. 一维前缀和【模板】

题目:

在这里插入图片描述

分析题目并提出,解决方法:

结合题目分析:

  1. 首行是 n :数组个数、q:查询次数
  2. 第二行是有n个元素的数组的值:…
  3. 后面有q行,它的值代表查找区间 [左 ~ 右]
  4. 那么然后输出查询结果
  5. 例如在下面 1 2 4 数组中查找(1,2)、(2,3)、(1,3) 区间的值,具体如下
    在这里插入图片描述
    暴力题解:简单的模拟,根据给q次给的left、right下标,并从该区间【left,right】遍历求和得出答案(O(n * q)的时间复杂度)

对于这种连续数组中求和的情况我们一定要想到前缀和快速求出数组中某一个连续区间的和
前缀和算法到底是什么?
通过实例来解释:

一维前缀和模板:

  1. 预处理出来一个前缀和数组dp(小动态规划)
    1. dp[i]:表示的是 1 ~ i 区间所有元素的和(下标从1开始算,每次创建的数组大小为 n + 1 保证从 1 开始)
      在这里插入图片描述
    2. 并且在计算dp数组的过程中,==dp[ i ] = dp[ i - 1] + arr[ i ]==即可算出(具体分析如上图很好理解),这样更快的求出,不需要每次都遍历真个数组!
    3. 为什么下标从1开始:因为此处要计算 dp[i] 需要使用 dp[i - 1],i 若为0,就会越界,所以从1开始,这样 即使第一个情况下:1 - 1 = 0 也不会越界
  2. 使用前缀和数组
    1. 当我们得到一个前缀和数组后,假设有下情况:
      在这里插入图片描述
    2. 当我们要去 l ~ r 情况的值:就能通过快速的减法得到:dp[ r ] - dp[ l -1 ]
    3. 算法时间复杂度:O(n) + O(q) = O(n)

题解核心逻辑:

  1. 根据题目初始化存储好:n,q,数组,查询区域
  2. 初始化前缀和数组dp
    1. dp[ i ] = dp[ i - 1] + arr[ i ]
  3. 使用前缀和数组算出结果
    1. dp[ r ] - dp[ l -1 ]

代码:

#include <iostream>
#include <vector>
using namespace std;

int main() {
    int n  , q;
    cin >> n >> q;
    long long arr[100010] = {0};//根据题目数量级设置,之前设置超过数量级大小的数组即可
    long long dp[100010] = {0};
    for(int i = 1; i <= n;i++){//从1开始因为,前缀和需要下标从1开始,留0位置
        cin >> arr[i];
    }
    vector<vector<long long>> lr;//使用vector存储左右区间
    lr.resize(q);
    for(int i = 0 ; i < q;i++){
        int left,right;
        cin >> left >> right;
        lr[i].push_back(left);
        lr[i].push_back(right);
    }

    //1. 使用一维前缀和快速求值:
    //dp[i] = arr[i] + dp[i-1]
    for(int i = 1; i <= n;i++){
        dp[i] = arr[i] + dp[i-1];
    }

    for(int i = 0 ; i < q;i++){
        // 使用前缀和求值
        int l = lr[i][0];
        int r = lr[i][1];
        cout << dp[r] - dp[l-1] << endl; 
    }
    return 0;
}

在这里插入图片描述

2. 二维前缀和【模板】

题目:

在这里插入图片描述

分析题目并提出,解决方法:

分析题目的例子并理解:

  1. 第一行是三个数n,m,q
  2. n:代表矩阵数据的行数,m代表矩阵列数,q代表请求查询的参数
  3. 其次n行m列的数就是矩阵数据
  4. 最后的q行数据代表的是:查询的矩阵的左上角和右下角两点,
  5. 过程中可以将数据看成每两个为一个矩阵中的xy点,这样就能得到两点(x1,y1)、(x2,y2)
    如下数据的第一个查询参数值是 1 1 2 2 那么查询的的两点是 (1,1) ~ (2,2)

最终要求的就是这两点矩阵区间的值(如下图)

在这里插入图片描述
暴力解法:同样是模拟,根据给的两点的确定查询的矩阵的行列,遍历求和即可

二维前缀和模板:

  1. 预处理处一个前缀和矩阵

    1. 创建和原处理矩阵同等大小矩阵dp
    2. 然后对dp中的值进行设置,此处dp内的值和一维前缀和里的值略有不同也更难理解一丢丢,此处二维的是求从 (1,1) ~ (i, i)内这个小矩阵的和,但直接求发现还是表还是得遍历时间复杂度还是比较高,那么在求的过程中就能不能优化下?可以通过利用之前的dp矩阵得出快速求dp[ i ][ j ] = dp[ i ][ j - 1] + dp[ i-1 ][ j ] + arr[ i ][ j ] - dp[ i - 1 ][ j - 1 ]
      具体如下图(注意记住左下角那张分析图,能很好的帮助你理解和记忆公式):
      在这里插入图片描述
  2. 如何使用前缀和矩阵快速取出要求的指定矩阵中的值

    1. 方法类似通过对原矩阵进行分割,通过许多前面算好的矩阵中的值来快速的计算出当前的值,其中划分的步骤很关键,一定要好好理解。
    2. 为什么划分,为了利用之前的值,并且在划分的过程中使用了更简洁的图来更方便理解!
    3. 那么如何使用求出指定的区域能,如下图求D区域,找到左下角点和右下角点,分析该如何划分区间,本质就是要考虑两点的关系
    4. 首先我们可以记住若左上角刚好在整个矩阵的左上角,那么要求的值就是d[x2][y2]的区间的大小
    5. 那么当左上角不在整个原矩阵最左上角时,对于右下角的值来说需要将左上角之外的多余的值给清除(这样记忆更加的好通过图来记忆公式!)

最终划分出来后如下图(注意记住好左边那张分析图,通过这理解这张图帮助你快速理解和记忆公式
在这里插入图片描述
5.最终得出的所要求的区域值就是: dp[ x2 ][ y2 ] - dp[ x1 - 1 ][ y2 ] - dp[ x2 ][ y1 - 1 ] - dp[ x2 ][ y1 - 1] + dp[ x1 - 1][ y1 - 1 ]

题解核心逻辑:

  1. 根据题目初始化存储好:n,m,q、矩阵,查询的两点
  2. 初始化前缀和矩阵dp
    1. dp[ i ][ j ] = dp[ i ][ j - 1] + dp[ i-1 ][ j ] + arr[ i ][ j ] - dp[ i - 1 ][ j - 1 ]
  3. 使用前缀和数组算出结果
    1. dp[ x2 ][ y2 ] - dp[ x1 - 1 ][ y2 ] - dp[ x2 ][ y1 - 1 ] - dp[ x2 ][ y1 - 1] + dp[ x1 - 1][ y1 - 1 ]

代码:

#include <iostream>
using namespace std;
#include <vector>

int main() {
    int n, m, q;
    cin >> n >> m >> q;
    long long arr[1010][1010] = {0};
    long long dp[1010][1010] = {0};
    for (int i = 1; i <= n;
            i++) { //从1开始因为,前缀和需要下标从1开始,留0位置
        for (int j = 1; j <= m; j++) {
            cin >> arr[i][j];
        }
    }
    vector<vector<long long>> lr;//使用vector存储左右区间
    lr.resize(q);
    for (int i = 0 ; i < q; i++) {
        int x1, y1, x2, y2;
        cin >> x1 >> y1 >> x2 >> y2;
        lr[i] = {x1, y1, x2, y2}; //使用initiate
    }

    //初始化dp值
    for (int i = 1; i <= n;
            i++) { //从1开始因为,前缀和需要下标从1开始,留0位置
        for (int j = 1; j <= m; j++) {
            dp[i][j] = arr[i][j] + dp[i - 1][j] + dp[i][j - 1] - dp[i - 1][j - 1];
            // dp[i][j] = A + B + C + D =  D + (A + B) + (A + C)- A
        }
    }


    //使用dp值:
    for (int i = 0 ; i < q; i++) {
        int x1 = lr[i][0], y1 = lr[i][1], x2 = lr[i][2], y2 = lr[i][3];
        cout << dp[x2][y2] - dp[x1 - 1][y2] - dp[x2][y1 - 1] + dp[x1 - 1][y1 - 1] << endl;
        // D = (x2y2) - B - C - A = (x2y2) - (A+B) - (A+c) + A 
    }

    return 0;
}
// 64 位输出请用 printf("%lld")

在这里插入图片描述

3. 寻找数组的中心下标

题目:

在这里插入图片描述

分析题目并提出,解决方法:

分析题目,不难理解示题1的3结果由来:
在这里插入图片描述
两种特殊情况:
在这里插入图片描述

  1. 当没有结果时返回 -1
  2. 默认最左边元素的左半区为0,最右边元素的右边区也为0
  3. 并且当结果有多个的时候返回最左边的结果

本质所要求的是如下图( i 的左边区间 = i 的右边区间的 i ):
在这里插入图片描述
本题本质还是在连续数组中找值,那么我们就能使用前缀和思想:

  1. 提前预处理好数据到dp中
    1. 现在需要求的就是 ( 0,i - 1 )、( i + 1,n -1) 这两区间的值
      在这里插入图片描述
    2. 前缀和数组:f [ i ] = f [ i - 1 ] + num [ i - 1 ]
    3. 后缀和数组: g [ j ] = g [ i + 1 ] + num[ i + 1 ]
  2. 利用提前处理好的数组,进行题目要求的判断
    1. 假设要判断 i 位置的点是否符合条件 那么就等于判断 f[ i ] == g[ i ]

在这里插入图片描述

题解核心逻辑:

  1. 创建前缀和数组f:0 ~ i -1后缀和数组g:i + 1 ~ n - 1
  2. 通过前面的公式预处理
    1. f[ i ] = f[ i - 1 ] + arr[ i - 1 ]
    2. g[ i ] = g[ i + 1 ] + arr [ i + 1]
  3. 最后遍历数组,找到f[ i ] == g[ i ]

更多细节见具体代码:

class Solution {
public:

    static const int CAP = 1e4 + 10;
    int pivotIndex(vector<int>& nums) {
        //分析出本题:本质可以通过提前预处理好数组的值来快速计算:前缀和思想

        //使用前缀和f数组 和 后缀和g数组 存储连续数组的数据
        int f[CAP] = {0};int g[CAP] = {0};

        int n = nums.size();

        //1. 预处理数组
        //前缀和,f[i] =  0 ~ i - 1
        for(int i = 1; i <= n;i++){
            f[i] = f[i-1] + nums[i - 1];//算出 0 ~ i - 1的和
        }
        //后缀和,g[i] = i + 1 ~ n - 1
        for(int i = n - 2;i >= 0;i--){
            g[i] = g[i+1] + nums[i+1];//g [i] 存储的是 i + 1 ~ n - 1的值
            //所以当 i = n - 2 存储的就是 n - 1 ~ n - 1的值
        }

        //2. 使用预处理数组进行判断
        for(int i = 0; i < n ;i++)
            if(f[i] == g[i]) return i;

        return -1;
    }
};

在这里插入图片描述

4. 除自身以外数组的乘积

题目:

在这里插入图片描述

分析题目提出解决方法:

本题本质其实和上一题一样,只不过,本题并不是前缀和,而是前/后 缀积
在这里插入图片描述
前缀积、后缀积的算法:
在这里插入图片描述
本质也就是将 加法 变成了 乘法(具体如下)
在这里插入图片描述

题解核心逻辑:

基本同上就略了

class Solution {
public:
    static const int CAP = 100010;
    vector<int> productExceptSelf(vector<int>& nums) {
        int f[CAP] = {1};//这里是乘法所以等于1
        int g[CAP];
        int n = nums.size();
        g[n - 1] = 1;

//处理前缀积
        for(int i = 1; i <= n;i++){
            f[i] = f[i-1] * nums[i-1];
        }
//处理后缀积
        for(int i = n - 2; i >= 0;i--){
            g[i] = g[i+1] * nums[i+1];
        }

//使用预处理好的数组:
        vector<int> ans(n);
        for(int i = 0; i < n ;i++){
            ans.push_back(g[i] * f[i]);
        }
        return ans;
    }
};

在这里插入图片描述

5. 和为 K 的子数组

题目:

在这里插入图片描述

分析题目提出解决方法:

通过例子分析,题目的目的:
在这里插入图片描述
暴力解法,就是枚举所有情况(复杂度O(N2))

分析如何快速找到连续子数组中的值为 k 的子数组

  1. 先画一个简单的图来分析:不难发现,若要找以 i 结尾的连续子数组,本质是在 0 ~ i - 1 这个区间找一个值为 sum[ i ] - k 的值有多少个
    (具体如下图,找k长度的区间,可以转换为找sum[ i ] - k 区间的个数,这样就和前面关联了)
    在这里插入图片描述

  2. 那如何快速的找出 0 ~ i - 1 区间中 sum[ i ] - k 的个数呢?对于这种数值的查找,可以通过hash表提前存储好

  3. 具体hash的使用是:每当查找完一个区间后,将当前下标的 sum[ i ] - k 的值存入hash中

  4. 特殊处理:当 sum[ i ] == k 时,查找的区间就是 0 ~ -1 中找 0(sum[i] - k)这本质是不存在的,所以需要提前将hash[0] = 1,因为区间不存在就无法查找,而此时 sum - k = 0,所以就代表自己这个区间就是符合条件的。

  5. 其他细节如下:
    在这里插入图片描述

题解核心逻辑:

  1. 使用hash表不断记录 0 ~ i - 1 区间中所有sum的情况(因为通过前面的sum情况知道有多少数据为 sum[i] - k)
  2. 开始遍历数组,判断是否有值等于当前的 sum - k,若有则代表有符合长度的以i结尾的子数组然后记录个数即可
class Solution {
public:
    int subarraySum(vector<int>& nums, int k) {
        //存储 0 ~ i - 1 的sum[i] - k个数(注意这本质存的还是0 ~ i - 1区间中每个元素的sum,只是为了找某个值的 sum = 当前sum - k )
        unordered_map<int,int> hash;
        hash[0] = 1;//特殊处理
        int count = 0,sum = 0;
        for(int i = 0;i < nums.size();i++){
            sum += nums[i];//
            if(hash.count(sum - k))
                count += hash[sum - k];
            hash[sum]++;
        }
        return count;
    }
};

在本题中同样用到了,前缀和的思想,其中加上了hash来代替前缀和,通过hash代替前缀和中记录前面子数组值,从而实现即记录了子数组的值,右记录了相同子数组值的个数
在这里插入图片描述

6. 和可被 K 整除的子数组

题目:

在这里插入图片描述

分析题目提出解决方法:

本题和上题类似,本题求的是连续子数组和能被k整除个数(上题是找等于k的个数)
直接本题通过例就能看懂了,并且暴力解法也和上类似就不过诉了!

同余定理

同余定理:通过公式理解(具体如下)(a - b) / p = k (余0) -> a % p = b % p
在这里插入图片描述
证明过程…:
在这里插入图片描述

c++ / java 的负数取模的结果以及修正

  1. 负数 % 正数 = 负数 -> 修改为正数:
  2. 将值a =(a % p + p)% p(这个公式保证了值无论是 整数还是负数最终都能变成正确取余后的整数)

题解核心逻辑:

同上题一样将数组抽象:
若要再0 ~ i - 1区域中查找一个以i结尾的子数组的和的余数 = 0 的子数组个数
得到下图左边的公式:(sum - x) % k = 0
其中就要使用到同余定理得到:sum % k = x % k(从而得到了 x 区域的求法!:sum % k)
所以本题在上题的基础上修改hash中存储的值:存储的就是所有前缀和的余数的个数
在这里插入图片描述

  • hash[0] = 1;这里处理的是:当 0 ~ i 区间刚好整除 k,那么 此时 sum % k = 0
class Solution {
public:
    int subarraysDivByK(vector<int>& nums, int k) {
        unordered_map<int,int> hash;//一个变化的hash:存储 0 ~ i-1 内所有前缀和的余数的个数
        hash[0] = 1;//这里处理的是:当 0 ~ i 区间刚好整除 k,那么 此时 sum % k = 0
        int count1 = 0,sum = 0;
        for(int i = 0; i < nums.size();i++){
            sum += nums[i];//前缀和
            // cout << sum << " " << sum % k << " ";
            if(hash.count((sum % k + k) % k))
                count1 += hash[(sum % k + k) % k];//查找 sum % k的个数
            // cout << hash[sum % k] << " "<< count1 << endl;
            
            hash[(sum % k + k) % k]++;//添加 / 创建 sum % k的个数 
        }
        return count1;
    }
};

7. 连续数组

题目:

在这里插入图片描述

分析题目提出解决方法:

本题关键:将 0 看出 -1
相信如果从上往下做到了该题,那么你已经具备了一定能力了,下面我就不过多叙述; ,还是那句话遇到难题一定要画图分析
具体分析如下图:
在这里插入图片描述

题解核心逻辑:

class Solution {
public:
    int findMaxLength(vector<int>& nums) {
        //将 0 看出 -1 
        //求连续子数组中和为0的个数
        unordered_map<int,int> hash;//存储前缀和的值和下标


// 0 ~ i  sum
// k = 0, 找前缀和等于 sum - 0 = sum 的个数
        hash[0] = -1;//此处特殊处理:当 0 ~ i 区间为0的情况下 sum就为0,那么查找的区间是不存在的,所以需要提前设置
        int sum = 0,count =0;
        int maxlen = 0;
        for(int i = 0; i < nums.size();i++){
            sum += (nums[i] == 1 ? 1 : -1);
            // hash[sum] 

            if(hash.count(sum)){
                // cout << sum << " " << hash.count(sum) << " " << hash[sum] <<" ";
                maxlen = max(maxlen,i - hash[sum]);
            }

            if(!hash.count(sum)){//判断是否已经存在,若已经存在则不用再记录了,因为最左区间已经确定
                hash[sum] = i;
                // cout << sum << " " <<  hash[sum]<<endl;
            }
        }
        return maxlen;
    }
};

8. 矩阵区域和

题目:

在这里插入图片描述

分析题目提出解决方法:

一道二维前缀和的题,理解公式轻松解决
其中注意理解题意:本质就是求以(i,j)为中心的九宫格
分析图如下:

  1. 其中注意 dp 的下标是从 1 开始的,所以mat中下标都要-1
    在这里插入图片描述
  2. 二维前缀和模板
    在这里插入图片描述
  3. 而 ans中的小标是从0开始的,所以使用dp时要+1

在这里插入图片描述
4. 注意越界问题
在这里插入图片描述

题解核心逻辑:

class Solution {
public:
    vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k) {
        //很清楚的二维前缀和
        int m = mat.size();
        int n = mat[0].size(); 

        vector<vector<int>> ans(m,vector<int>(n,0));

        //创建dp表,并预处理得到所有 从 (0,0) ~ (i,j) 区域的和
        int dp[110][110] = {0};
        for(int i = 1 ; i <= m;i++){
            for(int j = 1; j <= n ;j++){
                dp[i][j] = dp[i-1][j] + dp[i][j-1] - dp[i-1][j-1] + mat[i-1][j-1];
                cout << dp[i][j] << " ";
            }
            cout <<endl;
        }

        
        //最终通过dp表快速的求出所需要的值
        for(int i = 0; i < m;i++){
            for(int j = 0; j < n ;j++){
                int x1 = max(0,i - k) + 1;
                int y1 = max(0,j - k) + 1;
                int x2 = min(m-1,i + k) + 1;
                int y2 = min(n-1,j + k) + 1;

                // 求 (x1,y1) ~ (x2,y2) 区域的值给到ans即可
                ans[i][j] = dp[x2][y2] - dp[x2][y1-1] - dp[x1-1][y2] + dp[x1-1][y1-1];
                cout << ans[i][j] << " ";
            }
            cout << endl;
        }
        return ans;
    }
};

网站公告

今日签到

点亮在社区的每一天
去签到