无编辑摘要 |
(// Edit via Wikiplus) |
||
(未显示1个用户的5个中间版本) | |||
第1行: | 第1行: | ||
在算法的世界里,效率是永恒的追求。而“前缀和”就像一把利刃,能够帮助我们快速解决一系列涉及数组区间求和的问题。如果采用朴素的遍历求和方法,时间复杂度会达到 O(n),其中 n 是区间长度。而前缀和技巧可以将区间求和的时间复杂度降低到 O(1),大大提高了程序的效率。 | |||
==一维前缀和== | |||
对于一个给定的数列A,它的前缀和数列S的定义是:<math>S_i=\sum_{j=1}^i{A_j}</math> | 对于一个给定的数列A,它的前缀和数列S的定义是:<math>S_i=\sum_{j=1}^i{A_j}</math> | ||
其中,Si 表示 A 中从第一个元素到第 i 个元素的和。特别地,我们定义 S0 = 0,表示空的前缀和。 | |||
你可以很简单的用递推来计算出一个数列的前缀和: | 你可以很简单的用递推来计算出一个数列的前缀和: | ||
第9行: | 第15行: | ||
</math> | </math> | ||
一个部分和即数列A某个下标区间内的数的和,可表示为前缀和相减的形式:<math>sum(l,r)=\sum_{j=l}^r{A_j}=S_r-S_{l-1}</math> | |||
=== 实现 === | |||
<syntaxhighlight lang="c" line> | |||
#define SIZE 100001 | |||
int S[SIZE]; | |||
void init(int* A, int n) { | |||
S[0] = A[0]; | |||
for (int i = 1; i < n; ++i) | |||
S[i] = S[i - 1] + A[i]; | |||
} | |||
int add(int l, int r) { | |||
return S[r] - S[l - 1]; | |||
} | |||
</syntaxhighlight> | |||
==二维前缀和== | |||
在二维数组(矩阵)中,可类似地求出二维前缀和,进一步计算出二维部分和。 | |||
对于一个二维数组(矩阵)A,其二维前缀和矩阵 S 的定义是: | |||
<math>S_{i,j}=\sum_{k=1}^i\sum_{l=1}^j{A_{k,l}}</math> | |||
其中,Si,j 表示 A 中以 (1,1) 为左上角,(i,j) 为右下角的子矩阵中所有元素的和。同样地,我们定义 S0,j = Si,0 = 0。 | |||
二维前缀和的计算也可以使用递推的方法: | |||
<math>S_{i,j}= \begin{cases} 0 & i=0 \text{ or } j=0\\ A_{i,j} & i = 1 \text{ and } j = 1 \\ S_{i-1,j} + A_{i, j} & i > 1 \text{ and } j = 1\\ S_{i, j - 1} + A_{i, j} & i = 1 \text{ and } j > 1\\ S_{i-1,j} + S_{i,j-1} - S_{i-1,j-1} + A_{i,j} & i > 1 \text{ and } j > 1\\ \end{cases}</math> | |||
二维前缀和的主要应用是快速计算子矩阵的元素之和。对于以 (x1, y1) 为左上角,(x2, y2) 为右下角的子矩阵,其元素之和可以表示为: | |||
<math>sum(x1, y1, x2, y2) = S[x2][y2] - S[x1 - 1][y2] - S[x2][y1 - 1] + S[x1 - 1][y1 - 1]</math> | |||
== 参考资料 == | == 参考资料 == | ||
# 算法竞赛进阶指南,李煜东,21~22页 | # 算法竞赛进阶指南,李煜东,21~22页 | ||
[[Category:计算机]] | [[Category:计算机]] |
2024年6月23日 (日) 23:46的最新版本
在算法的世界里,效率是永恒的追求。而“前缀和”就像一把利刃,能够帮助我们快速解决一系列涉及数组区间求和的问题。如果采用朴素的遍历求和方法,时间复杂度会达到 O(n),其中 n 是区间长度。而前缀和技巧可以将区间求和的时间复杂度降低到 O(1),大大提高了程序的效率。
一维前缀和
对于一个给定的数列A,它的前缀和数列S的定义是:[math]\displaystyle{ S_i=\sum_{j=1}^i{A_j} }[/math]
其中,Si 表示 A 中从第一个元素到第 i 个元素的和。特别地,我们定义 S0 = 0,表示空的前缀和。
你可以很简单的用递推来计算出一个数列的前缀和: [math]\displaystyle{ S_i=\begin{cases} A_1 &i=1 \\ S_{i-1}+A_i&i\gt 1 \end{cases} }[/math]
一个部分和即数列A某个下标区间内的数的和,可表示为前缀和相减的形式:[math]\displaystyle{ sum(l,r)=\sum_{j=l}^r{A_j}=S_r-S_{l-1} }[/math]
实现
#define SIZE 100001
int S[SIZE];
void init(int* A, int n) {
S[0] = A[0];
for (int i = 1; i < n; ++i)
S[i] = S[i - 1] + A[i];
}
int add(int l, int r) {
return S[r] - S[l - 1];
}
二维前缀和
在二维数组(矩阵)中,可类似地求出二维前缀和,进一步计算出二维部分和。
对于一个二维数组(矩阵)A,其二维前缀和矩阵 S 的定义是: [math]\displaystyle{ S_{i,j}=\sum_{k=1}^i\sum_{l=1}^j{A_{k,l}} }[/math]
其中,Si,j 表示 A 中以 (1,1) 为左上角,(i,j) 为右下角的子矩阵中所有元素的和。同样地,我们定义 S0,j = Si,0 = 0。
二维前缀和的计算也可以使用递推的方法:
[math]\displaystyle{ S_{i,j}= \begin{cases} 0 & i=0 \text{ or } j=0\\ A_{i,j} & i = 1 \text{ and } j = 1 \\ S_{i-1,j} + A_{i, j} & i \gt 1 \text{ and } j = 1\\ S_{i, j - 1} + A_{i, j} & i = 1 \text{ and } j \gt 1\\ S_{i-1,j} + S_{i,j-1} - S_{i-1,j-1} + A_{i,j} & i \gt 1 \text{ and } j \gt 1\\ \end{cases} }[/math]
二维前缀和的主要应用是快速计算子矩阵的元素之和。对于以 (x1, y1) 为左上角,(x2, y2) 为右下角的子矩阵,其元素之和可以表示为:
[math]\displaystyle{ sum(x1, y1, x2, y2) = S[x2][y2] - S[x1 - 1][y2] - S[x2][y1 - 1] + S[x1 - 1][y1 - 1] }[/math]
参考资料
- 算法竞赛进阶指南,李煜东,21~22页