算法学习05:离散化、区间合并
算法学习05:离散化、区间合并
文章目录
- 算法学习05:离散化、区间合并
- 前言
- 需要记忆的模版:
- 一、离散化
- 1.例题:离散化 + 区间和:
- 拓展:
- 二、区间合并(贪心)
- 1.例题:
- 总结
前言

需要记忆的模版:
vector<int> alls;//存储所有待离散化的值
sort(alls.begin(), alls.end());//将所有值排序
//去除重复的元素,并且不重复的元素 有序 的排在前面
alls.erase(unique(alls.begin(), alls.end()), alls.end()); //找到有序的排在前面的 坐标 所对应的 索引
//返回 坐标 所对应的 映射
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;//索引从0开始,映射后从1开始 } //区间合并:
void merge(vector<PII> &segs)
{vector<PII> res;//按照 区间左端点 排序 sort(segs.begin(), segs.end());int st = -2e9, ed = -2e9;//for(auto seg : segs){if(ed < seg.first){//一个区间已经合并完了 if(st != -2e9) res.push_back({st, ed});st = seg.first, ed = seg.second;//更新 }else ed = max(ed, seg.second());//判断 ed 是否要更新 }//注意:无论是那种情况到最后,都还剩下一个 区间 没有加入到res中 if(st != -2e9) res.push_back({st, ed}); segs = res;
}
提示:以下是本篇文章正文内容:
一、离散化
1.例题:离散化 + 区间和:
例题:求区间和,区间长度无限长(无限长的数轴)
具体题目:假定有一个无限长的数轴,数轴上的每个坐标都是0,我们首先进行n次操作,每次操作将某一位置x上的数加c。
接下来进行m次询问,每次询问包含 l 和 r ,求区间[l,r]间所有数的和。


int main()
{cin >> n >> m;//插入n次数操作 --------- 先将数据存储起来 for(int i = 0; i < n; i ++){int x, c;cin >> x >> c;add.push_back({x, c});alls.push_back(x);//存储所有待 离散化 的值 }//执行m次询问 --------- 先将数据存储起来 for(int i = 0; i < m; i ++){int l, r;cin >> l >> r;query.push_back({l, r});alls.push_back(l);//存坐标 alls.push_back(r);//存坐标 }//***关键*** sort(alls.begin(), alls.end());//将所有值排序 alls.erase(unique(alls.begin(), alls.end()), alls.end()); //去除重复的元素,并且不重复的元素 有序 的排在前面 //注意:现在我们已经将 坐标 离散化了,而且 输入的数据 也已经存储好了。//接下来,我们就要使用 “前缀和” 来求解 “区间和”//原数组 for(auto item : add){int x = find(item.first);a[x] += item.second;}//前缀和数组 for(int i = 1; i <= alls.size(); i ++) s[i] = a[i] + s[i - 1];//处理询问:for(auto item : query){int l = find(query.first()), r = find(query.second());cout << s[r] - s[l - 1] << endl;} return 0;}
拓展:

//------ 拓展 ---------//注意: vector<int> :: iterator 与 return a.begin() + j;//迭代器 与 索引的关系?不清楚。 vector<int> :: iterator unique(vector<int> &a){int j = 0;for(int i = 0; i < a.size(); i ++) if(!i && a[i] != a[i - 1]) a[j ++] = a[i];return a.begin() + j;}
二、区间合并(贪心)
1.例题:
例题:给n个区间,合并有交集的区间,求最后剩下的区间个数。
具体题目:给定n个区间[l i, r i],要求合并所有有交集的区间,(注意:如果在端点出相交,也算有交集),最后输出合并完成后的区间个数。


#include <iostream>
#include <vector>
#include <algorithm>using namespace std;typedef pair<int , int> PII;const int N = 100000 + 10;int n;
vector<PII> segs;//存储合并完后的区间void merge(vector<PII> &segs)
{vector<PII> res;//按照 区间左端点 排序 sort(segs.begin(), segs.end());int st = -2e9, ed = -2e9;//for(auto seg : segs){if(ed < seg.first){if(st != -2e9) res.push_back({st, ed});//一个区间已经合并完了 st = seg.first, ed = seg.second;//更新 }else ed = max(ed, seg.second());//判断 ed 是否要更新 }//注意:无论是那种情况到最后,都还剩下一个 区间 没有加入到res中 if(st != -2e9) res.push_back({st, ed}); 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() << endl;return 0;}
总结
提示:这里对文章进行总结:
💕💕💕
相关文章:
算法学习05:离散化、区间合并
算法学习05:离散化、区间合并 文章目录 算法学习05:离散化、区间合并前言需要记忆的模版:一、离散化1.例题:离散化 区间和:拓展: 二、区间合并(贪心)1.例题: 总结 前言 需要记忆的模…...
内部审计2.0时代:数字化工具和方法全面升级
文章目录 一、内部审计的发展阶段二、内部审计的逻辑架构三、内部审计数字化转型面临的问题(1)缺少内部审计数字化转型规划和方案(2)非结构化数据的采集和后续利用不足(3)依赖编程或使用新工具的数据分析能…...
五子棋小游戏(sut实验报告)
实验目的 实现人与人或人与电脑进行五子棋对弈 实验内容 启动游戏,显示游戏参数设置界面,用户输入参数后进入游戏界面,显示棋盘及双方博弈过程,游戏过程中可选择退出游戏。判定一方获胜后结束本局游戏,可选择继续下…...
图像超分辨率算法ESRGAN原理及应用
前言 图像超分辨率算法是一种用于增加图像分辨率的算法,与传统的图像缩放算法不同的是,超分算法在放大图像的同时根据原图纹理生成更多细节,确保图像在放大后仍然有清晰的纹理细节。 一、模型简介 1、模型开源地址 GitHub - xinntao/ESRGAN: ECCV18 Workshops - Enhance…...
excel 动态列导出
excel动态列,只好用poi来写了,也并不复杂,一样就这个件事情抽像为几步,就是套路了,开发效率就上去了。 1 准备空模板 导出操作与excel模板的导出一样,可以参考excel导出标准化 2 自定义SheetWriteHandler …...
Java零基础入门到精通_Day 1
01 Java 语言发展史 Java语言是美国Sun公司(StanfordUniversity Network)在1995年推出的 计算机语言Java之父:詹姆斯高斯林(ames Gosling) 重要的版本过度: 2004年 Java 5.0 2014年 Java 8.0 2018年 9月 Java 11.0 (目前所使用的) 02 J…...
Spring Cloud集成nacos配置中心
1.添加Nacos Config依赖 打开nacos-config-demo的pom.xml文件并添加以下两个依赖项 项目的配置文件中通常包括数据库连接配置项、日志输出配置项、Redis连接配置项、服务注册配置项等内容,如spring-cloud-alibaba-nacos-config-base-demo项目中就包含数据库连接配置…...
【AI视频教程】只需5步,AI作出鸡你太美视频
1.视频效果 2.准备工作 制作视频效果,需要准备下面3个条件: 准备stable diffusion的环境剪辑一段【鸡你太美】原版视频stable diffusion安装sd-webui-IS-NET-pro插件 2.1部署stable diffusion环境 这里还是建议大家用云平台部署stable diffusion&am…...
C# OpenCvSharp DNN FreeYOLO 密集行人检测
目录 效果 模型信息 项目 代码 下载 C# OpenCvSharp DNN FreeYOLO 密集行人检测 效果 模型信息 Inputs ------------------------- name:input tensor:Float[1, 3, 192, 320] --------------------------------------------------------------- …...
一次HW红初面试
一、描述外网打点的流程? 靶标确认、信息收集、漏洞探测、漏洞利用、权限获取。最终的目的是获取靶标的系统权限/关键数据。 在这个过程中,信息收集最为重要。掌握靶标情报越多,后续就会有更多的攻击方式去打点。比如:钓鱼邮件、…...
网络攻防中nginx安全配置,让木马上传后不能执行、让木马执行后看不到非网站目录文件、命令执行后权限不能过高
网络攻防中nginx安全配置,让木马上传后不能执行、让木马执行后看不到非网站目录文件、命令执行后权限不能过高。 0x01 Nginx介绍 nginx本身不能处理PHP,它只是个web服务器,当接收到请求后,如果是php请求,则发给php解释器处理,并把结果返回给客户端。nginx一般是把请求发…...
ctfshow web入门 php特性 web146-web150
1.web146 :被过滤了,三元运算符用不了,还可以用位运算符,逻辑运算符,等,逻辑运算符要注意或运算符的短路性 eval(return 1|phpinfo()|1) eval(return 1phpinfo()|1) payload: v11&v20&v3(~%8C%86%8C%8B%9A%92…...
Linux:kubernetes(k8s)prestop事件的使用(10)
他的作用是在结束pod容器之后进行的操作 apiVersion: v1 # api文档版本 kind: Pod # 资源对象类型 metadata: # pod相关的元数据,用于描述pod的数据name: nginx-po # pod名称labels: # pod的标签type: app #这个是随便写的 自定义的标签version: 1.0.0 #这个…...
vue2【详解】生命周期(含父子组件的生命周期顺序)
1——beforeCreate:在内存中创建出vue实例,数据观测 (data observer) 和 event/watcher 事件配置还没调用(data 和 methods 属性还没初始化) 【执行数据观测 (data observer) 和 event/watcher 事件配置】 2——created…...
C++基础语法和概念
基本语法和数据类型 C 是一种高性能的编程语言,允许程序员对内存管理进行精细控制。了解 C 的基本语法和数据类型是学习这门语言的第一步。以下是一些基础概念的详细介绍: 基本语法 程序结构 一个基础的 C 程序通常包括一个或多个头文件引用、一个 m…...
Vue.js+SpringBoot开发海南旅游景点推荐系统
目录 一、摘要1.1 项目介绍1.2 项目录屏 二、功能模块2.1 用户端2.2 管理员端 三、系统展示四、核心代码4.1 随机景点推荐4.2 景点评价4.3 协同推荐算法4.4 网站登录4.5 查询景点美食 五、免责说明 一、摘要 1.1 项目介绍 基于VueSpringBootMySQL的海南旅游推荐系统ÿ…...
mysql笔记:11. 性能优化
文章目录 概览查询速度优化1. 分析查询语句1.1 EXPLAIN1.2 DESCRIBE 2. 使用索引优化查询3. 优化子查询 数据库结构优化1. 分解表2. 建立中间表3. 增加冗余字段4. 优化插入速度4.1. MyISAM引擎表4.2. InnoDB引擎表 5. 分析表、检查表和优化表5.1. 分析表5.2. 检查表5.3. 优化表…...
基于Docker搭建Maven私服仓库(Linux)详细教程
文章目录 1. 下载镜像并启动容器2. 配置Nexus3. 配置本地Maven仓库 1. 下载镜像并启动容器 下载Nexus3镜像 docker pull sonatype/nexus3查看Nexus3镜像是否下载成功 docker images创建Nexus3的挂载文件夹 mkdir /usr/local/nexus-data && chown -R 200 /usr/local…...
IPSEC VPPN 实验
背景:FW1和FW2为双机热备 要求:在FW5和FW3之间建立一条IPSEC通道,保证10.0.2.0/24网段可以正常访问到192.168.1.0/24IPSEC VPPN实验配置 fw2配置 加密数据流 新建对应IKE...
基于单片机的视觉导航小车设计
目 录 摘 要 I Abstract II 引 言 1 1 总体方案设计 3 1.1 方案论证 3 1.2 项目总体设计 3 2 项目硬件设计 4 2.1 主控模块设计 4 2.1.1单片机选型 4 2.1.2 STM32F103RCT6芯片 4 2.2单片机最小系统电路 5 2.3电机驱动模块设计 7 2.4红外模块设计 8 2.5红外遥控模块设计 9 2.6超…...
2025最权威的六大降重复率助手实际效果
Ai论文网站排名(开题报告、文献综述、降aigc率、降重综合对比) TOP1. 千笔AI TOP2. aipasspaper TOP3. 清北论文 TOP4. 豆包 TOP5. kimi TOP6. deepseek 基于深度学习跟自然语言处理技术的学术原创性检测系统,被称作AI论文查重…...
【从零开始学Java | 第三十二篇】方法引用(Method Reference)
目录 前言 一、什么是方法引用? 1.引例 2.方法引用的语法 二、方法引用的分类 1.引用静态方法 2.引用成员方法 ①其他类:其他类对象::方法名 3.引用构造方法 4.使用类名引用成员方法 5.引用数组的构造方法 总结 前言 在 Java 8 引入 Lambda 表…...
软件竞争管理中的差异化策略
在当今高度数字化的商业环境中,软件行业的竞争日益激烈。企业若想在市场中脱颖而出,差异化策略成为关键。通过独特的价值主张和创新的产品设计,软件公司能够有效区分自身与竞争对手,吸引目标用户并建立长期竞争优势。本文将探讨软…...
Ubuntu 18.04服务器无显示器?手把手教你用x11vnc创建虚拟桌面并开机自启
Ubuntu 18.04服务器无显示器配置指南:x11vnc虚拟桌面全流程实战 当你面对一台没有连接物理显示器的Ubuntu服务器时,突然需要运行一个图形界面程序,这种场景对很多运维人员和开发者来说并不陌生。无论是云服务器、家庭NAS还是树莓派࿰…...
科技向善:我们可以用技术为社会做些什么?
科技向善:我们可以用技术为社会做些什么? 在数字化浪潮席卷全球的今天,科技已不仅仅是提升效率的工具,更成为推动社会进步的重要力量。从人工智能到大数据,从区块链到物联网,技术的快速发展为人类生活带来…...
SDC实战解析 —— 复杂时钟树约束中的互斥与条件分析
1. 复杂时钟树约束的核心挑战 在芯片设计中,时钟树就像人体血液循环系统一样重要。想象一下,如果心脏跳动节奏紊乱,全身器官都会出问题。同样,当时钟信号不能准确同步到达各个寄存器时,整个芯片就会"心律不齐&quo…...
前端+AI项目学习笔记day5
十一、封装TableSearch组件(上)创建TableSearch.vue引入组件编写组件十二、表单数据绑定(此处:model"formatData"需改为"formData")...
从玩具四轴到工业机械臂:无刷电机120度与180度导通角该怎么选?实战经验分享
从玩具四轴到工业机械臂:无刷电机120度与180度导通角该怎么选?实战经验分享 当你在设计一台需要精确控制的无人机或工业机械臂时,无刷电机的驱动策略选择往往成为决定项目成败的关键因素之一。我曾见过一个团队花费数月时间优化机械臂算法&am…...
ccmusic-database/music_genre参数详解:batch_size/num_workers调优手册
ccmusic-database/music_genre参数详解:batch_size/num_workers调优手册 1. 应用背景与核心价值 你有没有试过听一首歌,却说不清它到底属于什么风格?蓝调的忧郁、电子的律动、爵士的即兴、金属的张力……音乐流派看似直观,但对机…...
利用.accelerate库优化Phi-4-mini-reasoning推理速度:分布式训练与推理实战
利用.accelerate库优化Phi-4-mini-reasoning推理速度:分布式训练与推理实战 1. 为什么需要加速Phi-4-mini-reasoning推理 Phi-4-mini-reasoning作为当前热门的轻量级推理模型,在实际部署中常面临显存不足和推理速度慢的问题。特别是在处理大批量请求时…...
