当前位置: 首页 > article >正文

单调队列【C/C++】

当我在网上搜索了一大堆单调队列的文章后,

我人傻了!?

单调队列不应该很难吗??

不应该是,像 优先队列 那样,站在 堆 的肩膀上,极尽升华吗???

好吧,我接受了这个事实,单调队列,本质上就是自己手搓一个函数。

然后....没了

单调队列,是一种思想!

简单的说,是用 deque 维护一个,单调递增或者递减的 长得像队列一样的玩意!

举一个简单的例子,

对于数组 [3, 1, 4, 2, 5] 和窗口大小 3,窗口从左向右滑动:

  1. 窗口 [3, 1, 4]:队列为 [4](最大值为 4)。
  2. 窗口滑动到 [1, 4, 2]:队列为 [4, 2],但 4 仍为最大值。
  3. 窗口滑动到 [4, 2, 5]:移除队尾比 5 小的元素 2,队列为 [5],最大值为 5。

大家看到没,队列内部,从始至终,都是从大到小。

通过这种方式,单调队列能够在线性时间内解决滑动窗口最值问题,相比 暴力解法 大幅优化了效率。

当然啦,只是知道思想,肯定远远不够,上题目!

一维窗口 用来练手,

二维窗口 用来拔高!

一、滑动窗口最大值(一维)

给你一个整数数组 nums,有一个大小为 k 的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的 k 个数字。滑动窗口每次只向右移动一位。

返回 滑动窗口中的最大值 

示例 1:

输入:nums = [1,3,-1,-3,5,3,6,7], k = 3
输出:[3,3,5,5,6,7]
解释:
滑动窗口的位置                最大值
---------------               -----
[1  3  -1] -3  5  3  6  7       31 [3  -1  -3] 5  3  6  7       31  3 [-1  -3  5] 3  6  7       51  3  -1 [-3  5  3] 6  7       51  3  -1  -3 [5  3  6] 7       61  3  -1  -3  5 [3  6  7]      7

示例 2:

输入:nums = [1], k = 1
输出:[1]

提示:

  • 1 <= nums.length <= 105
  • -104 <= nums[i] <= 104
  • 1 <= k <= nums.length
class Solution {// 单调队列,就是维持deque单调递增/递减,是一种解决滑动窗口的思想,两端一起改变// 切记,这个单调,是允许存在等于的!只要不破坏总体下滑或上升曲线就行。
public:vector<int> maxSlidingWindow(vector<int>& nums, int k) {deque<int> dq;vector<int> vec;for(int i=0; i<k; ++i){while(!dq.empty() && dq.back()<nums[i]) dq.pop_back(); dq.push_back(nums[i]);}vec.push_back(dq.front());for(int i=k; i<nums.size(); ++i){if(dq.front()==nums[i-k]) dq.pop_front();while(!dq.empty() && dq.back()<nums[i]) dq.pop_back();dq.push_back(nums[i]);vec.push_back(dq.front());   }return vec;}
};
二、子矩阵 (二维)

问题描述

给定一个 n×mn×m (nn 行 mm 列)的矩阵。设一个

矩阵的价值为其所有数中的最大值和最小值的乘积。求给定矩阵的所有大小为 a×ba×b (aa 行 bb 列)的子矩阵的价值的和。

答案可能很大,你只需要输出答案对 998244353998244353 取模后的结果。

输入格式

输入的第一行包含四个整数分别表示 nn,mm,aa,bb,相邻整数之间使用一个空格分隔。接下来

nn 行每行包含 mm 个整数,相邻整数之间使用一个空格分隔,表示矩阵中的每个数 Ai,jAi,j​。

输出格式

输出一行包含一个整数表示答案。

样例输入

2 3 1 2
1 2 3
4 5 6

样例输出

58

样例说明

1×2+2×3+4×5+5×6=581×2+2×3+4×5+5×6=58。

评测用例规模与约定

对于 4040% 的评测用例,1≤n,m≤1001≤n,m≤100;

对于 7070% 的评测用例,1≤n,m≤5001≤n,m≤500;

对于所有评测用例,1≤a≤n≤10001≤a≤n≤1000,1≤b≤m≤10001≤b≤m≤1000,1≤Ai,j≤1091≤Ai,j​≤109。

#include <iostream>
#include <deque>
using namespace std;
/*本题,直接将滑动窗口拆开,思路之巧妙学习并锻炼到了非常多细节,比如数组应用,deque非空,deque维持下标。
*/
#define ll long long
const ll mod = 998244353;
const int N = 1e3+5;
ll matrix_max[N][N],matrix_min[N][N];
ll matrix[N][N];
deque<ll> d;
void get_max(ll A[], ll B[], int len, int k){ // len遍历长度, k为区间d.clear(); // 清理for(int i=1; i<=len; ++i){ // 增加if(!d.empty()&&d.front()<i-k+1) d.pop_front(); // 可能为空while(!d.empty() && A[d.back()] < A[i] ) d.pop_back();d.push_back(i);B[i] = A[d.front()];}
}
void get_min(ll A[], ll B[], int len, int k){d.clear();for(int i=1; i<=len; ++i){ // 增加if(!d.empty()&&d.front()<i-k+1) d.pop_front();while(!d.empty()&&A[d.back()]>A[i]) d.pop_back();d.push_back(i);B[i] = A[d.front()];}
}int main(){int n,m,a,b;scanf("%d %d %d %d",&n,&m,&a,&b);for(int i=1; i<=n; ++i)for(int j=1; j<=m; ++j)scanf("%lld",&matrix[i][j]);for(int i=1; i<=n; ++i) get_max(matrix[i],matrix_max[i],m,b);for(int i=1; i<=n; ++i) get_min(matrix[i],matrix_min[i],m,b);ll sum = 0;for(int i=b; i<=m; ++i){ // 遍历可能性ll temp[N];ll t_max[N],t_min[N];for(int j=1; j<=n; ++j) temp[j]=matrix_max[j][i];// 极限赋值get_max(temp,t_max,n,a);for(int j=1; j<=n; ++j) temp[j]=matrix_min[j][i];get_min(temp,t_min,n,a);for(int j=a; j<=n; ++j){sum = (sum+(t_min[j]*t_max[j]%mod))%mod;}}cout<<sum<<endl;return 0;
}


借鉴博客:

1、算法学习笔记(66): 单调队列

2、【C++】单调队列 详解


相关文章:

单调队列【C/C++】

当我在网上搜索了一大堆单调队列的文章后&#xff0c; 我人傻了&#xff01;&#xff1f; 单调队列不应该很难吗&#xff1f;&#xff1f; 不应该是&#xff0c;像 优先队列 那样&#xff0c;站在 堆 的肩膀上&#xff0c;极尽升华吗&#xff1f;&#xff1f;&#xff1f; …...

Spark DataFrame、Dataset 和 SQL 解析原理深入解析(万字长文多张原理图)

目录 1. Spark SQL 概述 1.1 Spark 整体架构概览 1.2 DataFrame 与 Dataset 简介 2. RDD 与 Spark 的分布式架构基础 2.1 弹性分布式数据集(RDD) 2.2 Spark 的分布式执行模型 3. SQL 解析流程与 Catalyst 优化器 3.1 SQL 解析流程概述 3.2 解析阶段与抽象语法树(AST…...

算法系列——有监督学习——3.逻辑回归

一、概述 逻辑回归是一种学习某个事件发生概率的算法。利用这个概率&#xff0c;可以对某个事件发生或不发生进行二元分类。虽然逻辑回归本来是二元分类的算法&#xff0c;但也可以用于三种类别以上的分类问题。为了理解这个算法&#xff0c;请思考以下例子。 你在回家的路上发…...

深入理解traceroute命令及其原理

traceroute 是一个网络诊断工具&#xff08;Windows上叫tracert&#xff09;&#xff0c;用于显示数据包从本地主机到远程主机经过的路由&#xff08;跳数&#xff09;。它可以帮助您了解数据包在网络中的传输路径&#xff0c;以及每跳的延迟情况。这对于网络故障排除、分析网络…...

前后端联调解决跨域问题的方案

引言 在前后端分离的开发模式中&#xff0c;前端和后端通常在不同的服务器或端口运行&#xff0c;这样就会面临跨域问题。跨域问题是指浏览器因安全限制阻止前端代码访问与当前网页源不同的域、协议或端口的资源。对于 Java 后端应用&#xff0c;我们可以通过配置 CORS&#x…...

深入解析 .NET 中的依赖项加载机制:原理、实现与最佳实践

在现代应用程序的开发中&#xff0c;依赖项管理与加载是非常重要的组成部分&#xff0c;尤其是在大型系统中&#xff0c;如何高效地加载和管理依赖项可以极大地影响应用程序的性能、可维护性和扩展性。在 .NET 中&#xff0c;依赖项加载不仅涉及静态依赖的管理&#xff0c;还包…...

【vue2 + Cesium】相机视角移动+添加模型、模型点击事件

参考文章&#xff1a;vue2 使用 cesium 【第二篇-相机视角移动添加模型】 这篇文章在上篇文章的基础上继续开发&#xff0c;主要实现效果 相机视角移动 添加模型 点击事件 上篇文章&#xff1a;【vue2 Cesium】使用Cesium、添加第三方地图、去掉商标、Cesium基础配置、地…...

【AI】AI编程助手:Cursor、Codeium、GitHub Copilot、Roo Cline、Tabnine

文章目录 一、基本特性对比二、收费标准三、私有部署能力1、Tabnine2、Roo Code 三、代码补全与自然语言生成代码四、安装独立的IDE安装插件安装 五、基本使用&#xff08;一&#xff09;Cursor&#xff08;二&#xff09;GitHub Copilot1、获取代码建议2.聊天1&#xff09;上下…...

我的uniapp自定义模板

uniapp自定义模板 如有纰漏请谅解&#xff0c;以官方文档为准后面这段时间我会学习小程序开发的知识&#xff0c;会持续更新可以查看我的github&#xff0c;后续我会上传我的uniapp相关练习代码有兴趣的话可以浏览我的个人网站&#xff0c;我会在上面持续更新内容&#xff0c;…...

如何将MediaPipe编译成Android中Chaquopy插件可用的 .whl 文件

环境准备 操作系统&#xff1a;建议使用 Ubuntu 20.04 或者 macOS&#xff08;这篇博客会以 Ubuntu 为例&#xff09;。Python 版本&#xff1a;Python 3.7 或以上版本。Android Studio&#xff1a;配置好 Android Studio 和 Android NDK&#xff08;Native Development Kit&a…...

华为OD机试-绘图机器-双指针(Java 2025 A卷 100分)

题目描述 绘图机器的绘图笔初始位置在原点 (0, 0)。机器启动后按照以下规则绘制直线: 尝试沿着横坐标正向绘制直线,直到给定的终点 E。期间可以通过指令在纵坐标轴方向进行偏移,offsetY 为正数表示正向偏移,为负数表示负向偏移。给定的横坐标终点值 E 以及若干条绘制指令,…...

【C++】动态规划从入门到精通

一、动态规划基础概念详解 什么是动态规划 动态规划&#xff08;Dynamic Programming&#xff0c;DP&#xff09;是一种通过将复杂问题分解为重叠子问题&#xff0c;并存储子问题解以避免重复计算的优化算法。它适用于具有以下两个关键性质的问题&#xff1a; 最优子结构&…...

OpenCV计算摄影学(23)艺术化风格化处理函数stylization()

操作系统&#xff1a;ubuntu22.04 OpenCV版本&#xff1a;OpenCV4.9 IDE:Visual Studio Code 编程语言&#xff1a;C11 算法描述 风格化的目的是生成不以照片写实为目标的多种多样数字图像效果。边缘感知滤波器是风格化处理的理想选择&#xff0c;因为它们能够弱化低对比度区…...

S32K144外设实验(三):ADC单通道连续采样(中断)

这次的实验比较简单&#xff0c;主要目的就是验证一下ADC的中断功能&#xff0c;思路是使用软件触发ADC的连续单通道采样&#xff0c;将采样值通过串口发送到上位机观察数是否正确。 其实官方并不推荐使用中断的方式&#xff0c;这种方式会占用大量的CPU资源&#xff0c;笔者安…...

LeetCode 第19~21题

LeetCode 第19题&#xff1a;删除链表的倒数第N个结点 题目描述 给你一个链表&#xff0c;删除链表的倒数第n个结点&#xff0c;并且返回链表的头结点。 难度&#xff1a;中等 题目链接&#xff1a;19. 删除链表的倒数第 N 个结点 - 力扣&#xff08;LeetCode&#xff09; 示例…...

Web3 时代数据保护的关键挑战与应对策略

Web3 时代数据保护的关键挑战与应对策略 随着互联网技术的飞速发展&#xff0c;我们正步入 Web3 时代&#xff0c;这是一个以去中心化、用户主权和数据隐私为核心的新时代。在这个时代&#xff0c;数据保护成为了一个至关重要的议题。本文将探讨 Web3 时代数据保护面临的主要挑…...

为什么labelme框选图片后闪退

Labelme 软件框选图片后闪退的解决方案 Labelme 是一种常用的图像标注工具&#xff0c;但在实际使用过程中可能会遇到一些问题&#xff0c;比如框选图片后程序突然闪退。以下是针对该问题的具体分析和解决方法&#xff1a; 可能原因及对应解决措施 标签文件异常 如果某些图片…...

‌C# I/O 核心用法

在 C# 中&#xff0c;输入输出&#xff08;I/O&#xff09;操作是处理文件、目录、流等数据交互的核心功能。本文将从基础到高级&#xff0c;系统讲解 C# 中文件 I/O 的实现方式、最佳实践及常见场景解决方案。 一、核心类与命名空间‌ 1‌、System.IO 命名空间‌&#xff0c…...

SpringBoot之如何集成SpringDoc最详细文档

文章目录 一、概念解释1、OpenAPI2、Swagger3、Springfox4、Springdoc5. 关系与区别 二、SpringDoc基本使用1、导包2、正常编写代码&#xff0c;不需要任何注解3、运行后访问下面的链接即可 三、SpringDoc进阶使用1、配置文档信息2、配置文档分组3、springdoc的配置参数**1. 基…...

Oracle 数据迁移至 GaussDB 注意事项

将数据从 Oracle 迁移到 GaussDB&#xff08;华为分布式数据库&#xff09;时&#xff0c;需充分考虑架构差异、语法兼容性、数据一致性等核心问题。以下是关键注意事项及操作建议&#xff1a; 一、迁移前的准备工作 兼容性评估 语法差异&#xff1a;Oracle 使用 PL/SQL&#x…...

【智能体】| 知识库、RAG概念区分以及智能体是什么

文章目录 前言简介大模型“幻觉”问题如何解决“幻觉”问题&#xff1f; RAG、智能体、RAG智能体概念什么是检索增强型生成&#xff08;RAG&#xff09;模拟简单的RAG场景 AI系统中的智能体是什么什么是Agentic RAG&#xff1f;Agentic RAG如何工作&#xff1f;Agentic RAG架构…...

二分查找的应用

什么时候用二分查找&#xff1f; 数据具有二段性的时候 第一题&#xff1a; 题解代码&#xff1a; class Solution { public:int search(vector<int>& nums, int target) {int left 0,right nums.size()-1;while(left<right){int mid left (right-left)/2;//中…...

Android Compose 框架基础按钮模块深度剖析(四)

Android Compose 框架基础按钮模块深度剖析 一、引言 在现代 Android 应用开发中&#xff0c;Android Compose 框架以其声明式编程范式和简洁高效的开发体验&#xff0c;逐渐成为开发者构建用户界面的首选。而注解在 Android Compose 框架中扮演着至关重要的角色&#xff0c;…...

redis搭建一主一从+keepalived(虚拟IP)实现高可用

redis搭建一主一从keepalived(虚拟IP)实现高可用 前提 有两台机器&#xff1a;如 10.50.3.141 10.50.3.142&#xff0c;虚拟ip如&#xff1a;10.50.3.170 安装redis&#xff08;两台机器执行&#xff09;: # 启用Remi仓库&#xff08;CentOS 7&#xff09; sudo yum install…...

【Function】Azure Function通过托管身份或访问令牌连接Azure SQL数据库

【Function】Azure Function通过托管身份或访问令牌连接Azure SQL数据库 推荐超级课程: 本地离线DeepSeek AI方案部署实战教程【完全版】Docker快速入门到精通Kubernetes入门到大师通关课AWS云服务快速入门实战目录 【Function】Azure Function通过托管身份或访问令牌连接Azu…...

MySQL日志全解析:类型、用途与运维实践

引言 MySQL作为最流行的关系型数据库之一&#xff0c;其日志系统是运维人员理解数据库状态、排查问题、保证数据安全的核心工具。不同类型的日志记录了数据库活动、错误信息、数据变更等关键内容。本文将深入解析MySQL各类日志的作用、配置参数及运维注意事项&#xff0c;帮助…...

《算法笔记》9.2小节——数据结构专题(2)->二叉树的遍历 问题 A: 复原二叉树(同问题 C: 二叉树遍历)

题目描述 小明在做数据结构的作业&#xff0c;其中一题是给你一棵二叉树的前序遍历和中序遍历结果&#xff0c;要求你写出这棵二叉树的后序遍历结果。 输入 输入包含多组测试数据。每组输入包含两个字符串&#xff0c;分别表示二叉树的前序遍历和中序遍历结果。每个字符串由…...

小程序开发中的用户反馈收集与分析

我们在开发小程序的过程中根据开发过程中的代码及业务场景,以下是针对需求管理系统的用户反馈收集与分析方案设计: 需求管理系统用户反馈收集与分析方案 一、反馈数据模型设计 // 新增Feedback模型(app/admin/model/Feedback.php) namespace app\admin\model; use think\…...

Flink 通过 Chunjun Oracle LogMiner 实时读取 Oracle 变更日志并写入 Doris 的方案

文章目录 一、 技术背景二、 关键技术1、 Oracle LogMiner2、 Chunjun 的 LogMiner 关键流程3、修复 Chunjun Oracle LogMiner 问题 一、 技术背景 在大数据实时同步场景中&#xff0c;需要将 Oracle 数据库的变更数据&#xff08;CDC&#xff09; 采集并写入 Apache Doris&am…...

WordPress系统获取webshell的攻略

一.后台修改模板拿WebShell 1.进入Vulhub靶场并执⾏以下命令开启靶场&#xff1b;在浏览器中访问并安装好 #执⾏命令 cd /vulhub/wordpress/pwnscriptum docker-compose up -d 2. 修改其WP的模板&#xff0c;登陆WP后点击 【外 观】 --》 【编辑】 --》 404.php 3.插入一句话木…...