• C++基础算法离散化及区间合并篇


    📟作者主页:慢热的陕西人

    🌴专栏链接:C++算法

    📣欢迎各位大佬👍点赞🔥关注🚓收藏,🍉留言

    主要讲解了双指针,位运算,离散化以及区间合并。

    在这里插入图片描述

    Ⅴ. 双指针

    是一种利用单调规律将二重循环的时间复杂度降为O(N)的算法;

    例如:剑指 Offer 48. 最长不含重复字符的子字符串 - 力扣(LeetCode)

    如果我们用暴力算法的话,肯定是需要O(N)的复杂度,但是我们采用双指针方式可以实现在O(N)的时间复杂度实现

    代码:

        int lengthOfLongestSubstring(string s) 
        {
            int map[257] = { 0 };
            int res = 0;
            for(int i = 0; i < s.size(); ++i)
            {
                map[s[i]]++;
                while(map[s[i]] > 1)
                {
                    map[s[j]]--;
                    ++j;
                }
                res = max(res, i - j + 1);
            }
            return res;
        }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    Ⅵ. 位运算

    位运算通常是利用二进制的一些性质展开的

    例如:剑指 Offer 15. 二进制中1的个数 - 力扣(LeetCode)

    class Solution {
    public:
        uint32_t lowbit(uint32_t x)
        {
            return (x & ~x + 1);
        }
        int hammingWeight(uint32_t n) 
        {
            int sum = 0;
            while(lowbit(n)) n &= ~lowbit(n), sum++;
            return sum;
        }
    };
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13

    其中lowbit(n)函数返回的是n的第一个1的数字:例如5(101),他就返回1;

    Ⅶ.离散化

    离散化,把无限空间中有限的个体映射到有限的空间中去,以此提高算法的时空效率。

    通俗的说,离散化是在不改变数据相对大小的条件下,对数据进行相应的缩小

    有时候我们的数据范围是(0 , 10e9),但是数据的总数却可能只有(0, 10e5), 这时候我们没必要去开10e9的空间,只需要开最大10e5的空间所要离散化的数据映射到这个小空间里;

    例如;{1000, 1111, 1200, 1100, 1250}

    我们映射下来
    [ 1000 − > 1 ] , [ 1100 − > 2 ] , [ 1111 − > 3 ] , [ 1200 − > 4 ] , [ 1250 − > 5 ] [1000->1],[1100->2],[1111->3],[1200->4],[1250->5] [1000>1],[1100>2],[1111>3],[1200>4],[1250>5]
    所以我们要实现离散化需要做非常重要的两步:

    ①如何将离散化后的数据进行去重;

    ②如何计算出数据离散化后对应的值;

    代码如下:

    vector<int> alls;//存储待离散化的数据
    sort(alls.begin(), alls.end());//排序
    alls.erase(unique(alls.begin(), alls.end()), alls.end()); //①对排列好的数据进行去重
    
    //②计算出数据离散化后对应的值
    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;//根据题意
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16

    例题:

    在这里插入图片描述

    测试数据:

    //输入
    3 3
    1 2
    3 6
    7 5
    1 3
    4 6
    7 8
    //输出
    8
    0
    5
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12

    代码:

    #include
    #include
    #include
    
    #define N 300010
    using namespace std;
    
    typedef pair<int, int> PII;
    
    int a[N], s[N];
    
    vector<int> alls;
    vector<PII> add, query;
    
    int n, m;//n次操作, m个区间
    
    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()
    {
    
        cin >> n >>m;
        for (int i = 1; i <= n; ++i)
        {
            int x, c;
            cin >> x >> c;
            add.push_back({x, c});
            alls.push_back(x);
        }
        for (int i = 1; i <= m; ++i)
        {
            int l, r;
            cin >> l >> r;
            query.push_back({ l, r });
            alls.push_back(l);
            alls.push_back(r);
        }
    
        //去重操作
        sort(alls.begin(), alls.end());
        alls.erase(unique(alls.begin(), alls.end()), alls.end());
    
        //处理加数
        for (auto item : add)
        {
            int pot = find(item.first);
            a[pot] += item.second;
        }
        //计算前缀和
        for (int i = 1; i <= alls.size(); ++i) s[i] = s[i - 1] + a[i];
    
        //处理请求
        for (auto item : query)
        {
            int l = find(item.first), r = find(item.second);
            cout << s[r] - s[l - 1] << endl;
        }
        return 0;
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62
    • 63
    • 64
    • 65
    • 66
    • 67
    • 68

    Ⅶ. 区间合并

    给定多个区间,然后将有交集的区间合并(取并集);

    处理如下图的功能:

    在这里插入图片描述

    实现的思路步骤;

    ①先利用以区间的左端点为标准排序所有的区间。

    ②合并:

    (1)先将第一个区间的端点作为标准stend;

    (2)开始遍历后面的区间:

    ​ 如果区间的左端点小于标准end并且右端点小于标准的end那么就不用进行操作,直接遍历下一个区间;

    ​ 如果区间的左端点小于标准end并且右端点大于标准的end那么我们就更新标准的end为当前的区间的右端点;

    ​ 如果区间的左端点大于标准的end那么我们将当前的标准存储起来(已经称为一个合并后的区间),并且开始从(1)开始执行。

    在这里插入图片描述

    代码:

    #include
    #include
    #include
    
    using namespace std;
    
    #define N 100010;
    
    typedef pair<int, int>  PII;
    
    int n;
    
    vector<PII> segs;
    
    void merge(vector<PII>& segs)
    {
    	vector<PII> res;
    	sort(segs.begin(), segs.end()); // 按照左端点进行排序
    
    	int st = -2e9, ed = -2e9;
    	for (auto seg : segs)
    		if (ed < seg.first)//判断是否要产生新的区间
    		{
    			if (ed != -2e9) res.push_back({ st, ed });//已经满足合并区间的条件,所以将这个区间存储起来
    			st = seg.first, ed = seg.second; //即将开始合并新的区间,要将第一个区间的端点作为标准
    		}
    		else ed = max(ed, seg.second); //判断合并区间的右端点
    	
    	if (st != -2e9) res.push_back({ st, ed }); // 将最后一个区间存储到答案中
    
    	segs = res;
    }
    int main()
    {
    	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();
    
    	return 0;
    }
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46

    到这本篇博客的内容就到此结束了。
    如果觉得本篇博客内容对你有所帮助的话,可以点赞,收藏,顺便关注一下!
    如果文章内容有错误,欢迎在评论区指正

    在这里插入图片描述

  • 相关阅读:
    【云原生】第十篇--Docker主机集群化方案 Docker Swarm
    Android 12(S) 图像显示系统 - BufferQueue的工作流程(九)
    LeetCode每日一题(1325. Delete Leaves With a Given Value)
    03-视频点播-文件上传及媒资管理
    最新AI系统+ChatGPT网站H5源码+AI绘画系统,DALL-E3文生图,详细图文搭建教程/文档分析/识图理解
    牛客java选择题每日打卡Day2
    Vscode行尾序列LF和CRLF
    智能家居—— 树莓派摄像头捕捉人脸并识别
    缓存组件选择/多级
    Google Earth Engine(GEE)——用两种方法计算NDWI水域面积提取(Landsat 8)
  • 原文地址:https://blog.csdn.net/weixin_61766635/article/details/131817503