当前位置: 首页 > news >正文

牛客每日一题之 二维前缀和

题目介绍:

题目链接:【模板】二维前缀和_牛客题霸_牛客网

 

先举两个简单的例子,来帮大家理解题目,注意理解二维前缀和要先要一维前缀和的基础,不了解的可以看我上一篇博客。

若x1=1,y1=1, x2=3, y2 = 3,这是要查询下面这片区域的和:

若x1=3,y1=3, x2=6, y2 = 5,这是要查询下面这片区域的和: 

算法原理:

暴力解法很简单,直接死算,必定超时,所以还是要构建我们的前缀和数组(dp),dp数组的构建方法绝不能是每个数据都死死的去加一遍,不然和暴力解法没什么区别,也会超时。

构建二维前缀和数组(重点):

如何更高效地构造二维前缀和数组呢,之前构建一维前缀和数组时,我们可以很快用肉眼看出规律,但二维前缀和数组的构建方法需要我们画图,寻找新方法:

我们将原数组划分为4个部分,此时我们要求dp[i][j]的大小,其实就是整个图形的面积也就是A+B+C+D,A很好表示,A=dp[i-1][j-1],D就一个元素也很好表示,D=arr[i][j] ,可是B和C却不好表示,但是A+B和A+C我们却很好表示,A+B=dp[i-1][j],A+C=dp[i][j-1],如图:

所以我们就得出了我们的重要结论:

dp[i][j]=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1]+arr[i][j] 

通过这个表达式我们就能构建出二维前缀和数组了。

使用二维前缀和数组:

我们已经构建出了二维前缀和数组,那么如何使用它呢,如图,我们输入x1,y1,x2,y2后:

还是一样先划分为A,B,C,D  4个区域:

此时D为我们所求,还是根据刚才的思路,来换算:

D=A+B+C+D-(A+B+C)

A+B+C+D=dp[x2][y2]

B和C单独在一块不好求,就转化成A+B和A+C,如:

D=A+B+C+D-(A+B+C)=A+B+C+D-(A+B)-(A+C)+A=dp[x2][y2]-dp[x1-1][y2]-dp[x2][y1-1]+dp[x1-1][y1-1]

所以的出重要结论:

D=dp[x2][y2]-dp[x1-1][y2]-dp[x2][y1-1]+dp[x1-1][y1-1]

最后我们只需将x1,y1,x2,y2代入上式中就可以求得答案了。

代码实现:

C++: 

#include <iostream>
#include<vector>
using namespace std;int main() {//读入数据int n =0,m=0,q=0;cin >> n >> m >> q;vector<vector<int>> arr(n+1, vector<int>(m+1));int i=1;for(i=1;i<=n;i++){int j=1;for(j=1;j<=m;j++){cin >> arr[i][j];}}//处理dp数组vector<vector<long long>> dp(n+1, vector<long long>(m+1));for(i=1;i<=n;i++){int j=1;for(j=1;j<=m;j++){dp[i][j]=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1]+arr[i][j];}}//开始使用dp数组进行q次查询while(q--){int x1=0,y1=0,x2=0,y2=0;cin >> x1 >> y1 >> x2 >> y2;cout << dp[x2][y2]-dp[x1-1][y2]-dp[x2][y1-1]+dp[x1-1][y1-1] << endl;}return 0;
}

相关文章:

牛客每日一题之 二维前缀和

题目介绍&#xff1a; 题目链接&#xff1a;【模板】二维前缀和_牛客题霸_牛客网 先举两个简单的例子&#xff0c;来帮大家理解题目&#xff0c;注意理解二维前缀和要先要一维前缀和的基础&#xff0c;不了解的可以看我上一篇博客。 若x11&#xff0c;y11, x23, y2 3,这是要…...

动态规划 Leetcode 70 爬楼梯

爬楼梯 Leetcode 70 学习记录自代码随想录 假设你正在爬楼梯。需要 n 阶你才能到达楼顶。 每次你可以爬 1 或 2 个台阶。你有多少种不同的方法可以爬到楼顶呢&#xff1f; 示例 1&#xff1a; 输入&#xff1a;n 2 输出&#xff1a;2 解释&#xff1a;有两种方法可以爬到…...

(未解决)macOS matplotlib 中文是方框

reference&#xff1a; Mac OS系统下实现python matplotlib包绘图显示中文(亲测有效)_mac plt 中文值-CSDN博客 module ‘matplotlib.font_manager‘ has no attribute ‘_rebuild‘解决方法_font_manager未解析-CSDN博客 # 问题描述&#xff08;笑死 显而易见 # solve 找到…...

深入探讨C#中的递归算法

一、什么是递归算法&#xff1f; 递归是指一个函数或方法在执行过程中调用自身的情况。递归算法是编程中常见的一种解决问题的方法。它将一个问题分解成一个或多个与原问题相似但规模更小的子问题&#xff0c;然后通过解决这些子问题来解决原问题。递归算法通常用于解决重复性的…...

三款顶级开源RAG (检索增强生成)工具:Verba、Unstructured 和 Neum

三款顶级开源RAG (检索增强生成)工具&#xff1a;Verba、Unstructured 和 Neum 概述 随着企业对话式数据处理需求的提升&#xff0c;面临的挑战是数据隐私性和缺乏企业级解决方案。虽然类似LangChain能在短时间内构建RAG应用&#xff0c;但忽视了文档解析、多来源数据ETL、批量…...

VC++、MFC中操作excel时,CRange中get_EntireRow()和get_EntireColumn()函数的用法及区别是什么?

在VC和MFC中操作Excel时&#xff0c;通过COM接口与Excel交互时&#xff0c;CRange 对象&#xff08;或更准确地说是 Excel::Range 对象&#xff09;代表一个单元格范围。CRange 类提供了一系列方法来获取或操作这个范围内的单元格。其中&#xff0c;get_EntireRow() 和 get_Ent…...

npm 操作报错记录1- uninstall 卸载失效

npm 操作报错记录1- uninstall 卸载失效 1、问题描述 安装了包 vue/cli-plugin-eslint4.5.0 vue/eslint-config-prettier9.0.0 但是没有使用 -d &#xff0c;所以想重新安装&#xff0c;就使用 uninstall 命令卸载&#xff0c;结果卸载了没反应&#xff0c;也没有报错&#xf…...

openCV保存图像

保存图像 //保存为png透明通道vector<int>opts;opts.push_back(IMWRITE_PAM_FORMAT_RGB_ALPHA);imwrite("D:/img_bgra.png", img, opts);//保存为单通道灰度图像img cv::imread(imagePath.toStdString(), IMREAD_GRAYSCALE);vector<int> opts_gray;opts…...

mac 配置.bash_profile不生效问题

1、问题描述 mac系统中配置了环境变量只能在当前终端生效&#xff0c;切换了终端就无效了&#xff0c;查了下问题所在。mac系统会预装一个终极shell - zsh&#xff0c;环境变量读取在 .zshrc 文件下。 2、解决方案 1、切换终端到bash 切换终端到bash chsh -s /bin/bash 切换终端…...

【Cesium for Supermap】S3MTiles图层box裁剪

效果图&#xff1a; 代码&#xff1a; let viewer new Cesium.Viewer(cesiumContainer);// 添加SuperMap iServer发布的S3M缓存服务let promise viewer.scene.addS3MTilesLayerByScp("http://www.supermapol.com/realspace/services/3D-BIMbuilding/rest/realspace/data…...

PAT部分题目相关知识点——python

python中的整除 在Python中&#xff0c;整除&#xff08;也称为地板除&#xff09;可以使用**//**运算符来实现。当使用//运算符时&#xff0c;结果将是一个整数&#xff0c;它表示除法运算的整数部分&#xff0c;舍去任何小数部分。 示例&#xff1a; # 使用整除运算符 // …...

Redis核心数据结构之字典(二)

字典 解决键冲突 当有两个或以上数量的键被分配到了一个哈希表数组的同一个索引上面&#xff0c;我们称这些键发生了冲突(collision)。 Redis的哈希表使用链地址法(separate chaining)来解决键冲突&#xff0c;每个哈希表节点都有一个next指针&#xff0c;多个哈希表节点可以…...

拯救行动(BFS)

公主被恶人抓走&#xff0c;被关押在牢房的某个地方。牢房用 N \times M (N, M \le 200)NM(N,M≤200) 的矩阵来表示。矩阵中的每项可以代表道路&#xff08;&#xff09;、墙壁&#xff08;#&#xff09;、和守卫&#xff08;x&#xff09;。 英勇的骑士&#xff08;r&#xf…...

985硕的4家大厂实习与校招经历专题分享(part2)

我的个人经历&#xff1a; 985硕士24届毕业生&#xff0c;实验室方向:CV深度学习 就业&#xff1a;工程-java后端 关注大模型相关技术发展 校招offer: 阿里巴巴 字节跳动 等10 研究生期间独立发了一篇二区SCI 实习经历:字节 阿里 京东 B站 &#xff08;只看大厂&#xff0c;面试…...

【NR技术】 3GPP支持无人机的关键技术以及场景

1 背景 人们对使用蜂窝连接来支持无人机系统(UAS)的兴趣浓厚&#xff0c;3GPP生态系统为UAS的运行提供了极好的好处。无处不在的覆盖范围、高可靠性和QoS、强大的安全性和无缝移动性是支持UAS指挥和控制功能的关键因素。与此同时&#xff0c;监管机构正在调查安全和性能标准以及…...

【译】WordPress Bricks主题安全漏洞曝光,25,000个安装受影响

WordPress的Bricks主题存在一个严重的安全漏洞&#xff0c;恶意威胁行为者正在积极利用该漏洞在易受攻击的安装上运行任意PHP代码。 该漏洞被跟踪为CVE-2024-25600&#xff08;CVSS评分&#xff1a;9.8&#xff09;&#xff0c;使未经身份验证的攻击者能够实现远程代码执行。它…...

【C++ 23种设计模式】

C 23种设计模式 ■ 创建型模式(5种)■ 工厂模式■ 抽象工厂模式■ 原型模式■ 单例模式■ 第一种&#xff1a;单线程&#xff08;懒汉&#xff09;■ 第二种&#xff1a;多线程&#xff08;互斥量实现锁懒汉&#xff09;■ 第三种&#xff1a;多线程&#xff08;const static饿…...

亚信安慧AntDB:企业数据管理的明日之星

在信息科技飞速发展的时代&#xff0c;亚信科技AntDB团队提出了一项颠覆性的“超融合”理念&#xff0c;旨在满足企业日益增长的复杂混合负载和多样化数据类型的业务需求。这一创新性框架的核心思想在于融合多引擎和多能力&#xff0c;充分发挥分布式数据库引擎的架构优势&…...

Android Gradle开发与应用 (三) : Groovy语法概念与闭包

1. Groovy介绍 Groovy是一种基于Java平台的动态编程语言&#xff0c;与Java是完全兼容&#xff0c;除此之外有很多的语法糖来方便我们开发。Groovy代码能够直接运行在Java虚拟机&#xff08;JVM&#xff09;上&#xff0c;也可以被编译成Java字节码文件。 以下是Groovy的一些…...

Android 14 设置锁屏为NONE后开启双卡PIN锁,重启设备后,输完卡1的PIN码就进入了安卓界面,未提示输入卡2的PIN码

一.问题背景 目前在多个Android14平台发现开启双卡PIN码并且关闭屏幕锁的情况下,第二个PIN码锁输入弹框不能弹出问题,导致第二个卡不能注网。 如下是未修改前重启后解锁卡1PIN码的状态 可以看出卡2不能正常使用 二.何处关闭了卡2的PIN锁? 1.添加日志 首先在KeyguardSecu…...

Phi-3.5-mini-instruct入门指南:Chainlit前端URL访问限制与内网穿透配置

Phi-3.5-mini-instruct入门指南&#xff1a;Chainlit前端URL访问限制与内网穿透配置 1. 模型简介与部署验证 Phi-3.5-mini-instruct是一个轻量级的开放模型&#xff0c;基于高质量数据集构建&#xff0c;支持128K令牌的上下文长度。该模型经过监督微调、近端策略优化和直接偏…...

NumPy进阶:np.where()返回的坐标元组怎么用?手把手教你定位与操作矩阵元素

NumPy进阶&#xff1a;np.where()返回的坐标元组怎么用&#xff1f;手把手教你定位与操作矩阵元素 NumPy作为Python科学计算的核心库&#xff0c;其强大的数组操作能力是数据科学家的必备武器。其中&#xff0c;np.where()函数是一个多功能工具&#xff0c;不仅能用于条件筛选&…...

采购申请创建后如何修改?SAP ABAP中BAPI_PR_CHANGE的实用指南与常见问题

SAP ABAP采购申请修改实战&#xff1a;BAPI_PR_CHANGE深度解析与避坑指南 在SAP MM模块的日常运维中&#xff0c;采购申请的修改操作远比创建更考验开发者的技术功底。当业务部门频繁提出"能否追加行项目"、"预算科目填错了"、"交货日期需要提前"…...

Unity LineRenderer材质Tiling偏移实战:手把手教你实现动态行军蚂蚁线(附完整C#脚本)

Unity动态行军蚂蚁线深度解析&#xff1a;从Shader原理到性能优化实战 在RTS游戏或塔防类项目中&#xff0c;动态路径指示效果直接影响玩家的操作体验。传统静态线段缺乏动态反馈&#xff0c;而行军蚂蚁线&#xff08;Marching Ants&#xff09;通过纹理动画生动呈现路径走向与…...

R 4.5并行计算提速仅1.8×?你漏掉了最关键的——自动向量化预编译(AVX-512适配+RcppParallel动态绑定配置)

第一章&#xff1a;R 4.5并行计算性能瓶颈的根源诊断R 4.5 引入了对 parallel 包的底层优化&#xff0c;但实际应用中常出现“多核未提速”甚至“并行反降速”的现象。其根本原因并非简单归咎于硬件或任务粒度&#xff0c;而在于 R 运行时的内存模型、序列化开销与工作进程启动…...

玄机靶场-第九章 blueteam 的小心思 3 WP

玄机靶场-第九章 blueteam 的小心思 3 WP 这道题是一个比较经典的 Linux 应急响应场景&#xff0c;考察的是 Apache 日志分析、流量包溯源、Redis 主从复制 RCE 以及 Cron 权限维持排查。题目一共 5 个步骤&#xff0c;难度中等&#xff0c;下面是完整的解题过程和思路复盘。 1…...

基于YOLO26的六类犬种识别检测系统:mAP50达到0.895,推理速度2.4ms/张(项目源码+数据集+模型权重+UI界面+python+深度学习+远程环境部署)

摘要 本系统基于YOLO26目标检测算法&#xff0c;构建了一个面向六类常见犬种的智能识别检测模型。研究涵盖Beagle、bullDog、corgi、goldenRetriever、husky和pomeranian六个犬种类别&#xff0c;总数据集规模为1257张标注图像&#xff0c;其中训练集880张、验证集251张、测试…...

2025届学术党必备的六大降AI率方案实测分析

Ai论文网站排名&#xff08;开题报告、文献综述、降aigc率、降重综合对比&#xff09; TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 基于自然语言处理跟深度学习算法构建了AI论文查重系统&#xff0c;它会对文本语义展开细致分…...

OpenClaw AI智能体+PHP|自动生成接口文档、排查代码漏洞,新手也能快速上手

OpenClaw AI智能体PHP&#xff5c;自动生成接口文档、排查代码漏洞&#xff0c;新手也能快速上手 而最近全站爆火的OpenClaw AI智能体&#xff0c;刚好能解决这两个核心痛点——不用复杂配置&#xff0c;不用懂AI底层原理&#xff0c;只需简单部署&#xff0c;就能自动生成PHP接…...

远程工作骗局:隐形加班——软件测试从业者的专业困境与破局之道

在数字浪潮席卷全球的今天&#xff0c;远程办公、混合工作制已成为包括软件测试行业在内的许多技术领域的“新常态”。它许诺了时间自由、通勤解放与生活平衡&#xff0c;一时间风靡无数职场人。然而&#xff0c;在这看似美好的工作模式背后&#xff0c;一个日益严峻且极具隐蔽…...