蓝桥杯试题:小明的彩灯(差分 前缀和)

embedded/2025/2/26 22:03:29/

一、题目描述

小明拥有 N 个彩灯,第 ii个彩灯的初始亮度为 ai​。

小明将进行 Q次操作,每次操作可选择一段区间,并使区间内彩灯的亮度 +x(x 可能为负数)。

求 QQ次操作后每个彩灯的亮度(若彩灯亮度为负数则输出 0)。

输入描述

第一行包含两个正整数 N,Q,分别表示彩灯的数量和操作的次数。

第二行包含 N 个整数,表示彩灯的初始亮度。

接下来 Q 行每行包含一个操作,格式如下:

l r x,表示将区间 l∼r的彩灯的亮度 +x。

1≤N,Q≤5×1051≤N,Q≤5×105,0≤ai≤1090≤ai​≤109,1≤l≤r≤N1≤l≤r≤N,−109≤x≤109−109≤x≤109

输出描述

输出共 1行,包含 N 个整数,表示每个彩灯的亮度。

二、代码实现

import java.util.Scanner;
// 1:无需package
// 2: 类名必须Main, 不可修改public class Main {public static void main(String[] args) {Scanner scan = new Scanner(System.in);int N = scan.nextInt();int Q = scan.nextInt();int []n = new int[N];for(int i = 0 ; i < N ; i++ ){n[i] = scan.nextInt();}long[] diff = new long[N + 1];
//        diff[0] = n[0];
//        for(int i = 1 ; i < N ; i++){
//          diff[i] = n[i] - n[i-1];
//        }for(int i = 0 ; i < Q ; i++){int l = scan.nextInt() - 1;int r = scan.nextInt() - 1;int x = scan.nextInt();diff[l] += x;diff[r + 1] -= x;}for(int i = 1 ;i < N ; i++){   //diff被用来记录每次操作的亮度变化量 //eg:diff[1] = diff[0] + diff[1] 表示n[1]总变化量diff[i] += diff[i-1];        //计算前缀和得到最终亮度的变化}for(int i = 0 ; i < N ; i++ ){long y = n[i] + diff[i];if(y < 0){y = 0;}System.out.print(y + " ");}scan.close();}
}

在代码中,

`for(int i = 1 ; i < N ; i++) { diff[i] += diff[i-1]; }`

这一行代码的作用是 " 计算差分数组的前缀和 ",从而得到每个彩灯在所有操作之后的最终亮度变化量。

1.差分数组的基本概念

是一种用于高效处理区间更新的数据结构。假设你有一个原数组 `A`,差分数组 `D` 定义如下:

- `D[0] = A[0]`
- `D[i] = A[i] - A[i-1]` (对于 `i > 0`)

通过差分数组,可以在 O(1) 的时间内对原数组的一个区间进行增减操作。例如,要将区间 `[l, r]` 的每个元素增加 `x`,只需执行:

D[l] += x;
D[r + 1] -= x; // 如果 r + 1 在数组范围内

差分数组 `diff` 被用来记录每次操作的亮度变化:

1. 初始化差分数组:
   
   long[] diff = new long[N + 1];

   这里 `diff` 的大小为 `N + 1`,其中 `diff[0]` 对应原数组的第一个元素,`diff[i]` 表示 `n[i]` 相对于 `n[i-1]` 的变化量。

2. 应用所有操作到差分数组:
 
   for(int i = 0 ; i < Q ; i++){
     int l = scan.nextInt() - 1;
     int r = scan.nextInt() - 1;
     int x = scan.nextInt();
     diff[l] += x;
     if(r + 1 < N){
       diff[r + 1] -= x;
     }
   }
 


   这里,每次操作将区间 `[l, r]` 的亮度增加 `x`,通过在 `diff[l]` 增加 `x` 并在 `diff[r + 1]` 减少 `x` 来实现。

3. 计算前缀和以得到最终的亮度变化:

   for(int i = 1 ; i < N ; i++){
     diff[i] += diff[i-1];
   }

   这一步是关键。通过计算差分数组的前缀和,`diff[i]` 最终表示原数组 `n[i]` 在所有操作之后的总变化量。具体来说:
   
   - `diff[0]` 保持不变,表示 `n[0]` 的变化量。
   - `diff[1] = diff[0] + diff[1]`,表示 `n[1]` 的总变化量。
   - `diff[2] = diff[0] + diff[1] + diff[2]`,依此类推,直到 `diff[N-1]`。

2.为什么需要计算前缀和

如果不计算前缀和,`diff[i]` 只表示在位置 `i` 的瞬时变化量,而不是累积的总变化量。通过计算前缀和,你可以将所有在位置 `i` 之前的变化量累加起来,得到每个彩灯的最终亮度变化。

3.总结

- 差分数组用于高效地处理区间更新操作。
- 前缀和用于将差分数组转换回原数组的实际变化量。
- 在代码中,`for(int i = 1 ; i < N ; i++) { diff[i] += diff[i-1]; }` 这一行通过计算前缀和,将差分数组转换为每个彩灯的总亮度变化量,从而得到最终结果。

经过注释的diff数组代码


diff[0] = n[0];
for(int i = 1 ; i < N ; i++){
  diff[i] = n[i] - n[i-1];
}
 

这段代码用于初始化差分数组 `diff`,使其表示原数组 `n` 的差分。

1.差分数组的正确使用方法

差分数组 `diff` 的主要用途是高效地处理区间更新操作。具体步骤如下:

1. 初始化差分数组:
   - `diff[0] = n[0]`
   - 对于 `i` 从 `1` 到 `N-1`,`diff[i] = n[i] - n[i-1]`

2. 应用区间更新:
   - 对于每次操作 `(l, r, x)`,执行:
    
     diff[l] += x;
     if(r + 1 < N){
       diff[r + 1] -= x;
     }
 

3. 计算最终结果:
   - 通过计算差分数组的前缀和,得到每个位置的最终变化量。
   - 将变化量加到原数组 `n` 上,并根据题目要求处理负数情况。

2.为什么保留初始化代码会导致错误

如果保留了初始化差分数组的代码:

然后继续应用区间更新,这会导致以下问题:

1. 双重记录初始值:
   - 初始化时,`diff[0]` 被设置为 `n[0]`,表示 `n[0]` 的初始值。
   - 然后应用区间更新时,`diff[l] += x` 和 `diff[r + 1] -= x` 会在已经包含初始值的基础上再增加或减少 `x`,导致初始值被重复计算。

2. 错误的累积变化:
   - 例如,假设初始数组 `n = [1, 2, 3]`,并且有一个操作 `(0, 2, 5)`,即对所有灯增加 `5`。
   - 正确的差分数组应该是 `[5, 5, 0, -5]`,表示:
     - `diff[0] = 5` → `n[0] += 5` → `6`
     - `diff[1] = 5` → `n[1] += 5` → `7`
     - `diff[2] = 0` → `n[2] += 0` → `3`
     - `diff[3] = -5` → `n[3] -= 5`(如果存在)
   - 结果应为 `[6, 7, 3]`
   - 如果保留初始化代码,`diff[0]` 已经是 `1`,再加上 `5` 变成 `6`,但后续的 `diff[1]` 也会基于 `n[1] = 2` 而不是新的 `7`,导致结果错误。

3.正确的做法

在处理差分数组时,通常有两种方法:

1. 仅使用差分数组进行更新,最后通过前缀和恢复原数组:
   - 不需要初始化 `diff` 为 `n` 的值。
   - 直接应用所有操作到 `diff` 上。
   - 最后通过前缀和计算每个位置的最终值。

2. 在初始化时设置差分数组,然后应用增量更新:
   - 如果需要在初始值的基础上进行增量更新,确保在应用区间更新时正确处理。

仅使用差分数组进行更新,并通过前缀和恢复最终结果 是更简洁且不易出错的方法。因此,应该移除初始化 `diff` 为 `n` 的代码片段。


http://www.ppmy.cn/embedded/167373.html

相关文章

如何使用 Python 连接 MySQL 数据库?

在Python开发中&#xff0c;连接MySQL数据库是一个常见的需求。 我们可以使用多种库来实现这一功能&#xff0c;其中最常用的是mysql-connector-python和PyMySQL。 下面我将详细介绍如何使用这两个库来连接MySQL数据库&#xff0c;并提供一些实际开发中的建议和注意事项。 1…

GB 44496-2024《汽车软件升级通用技术要求》标准解读|标准结构、测试方法、测试内容

2024年08月23日&#xff0c;我国工业和信息化部发布了GB 44496-2024《汽车软件升级通用技术要求》&#xff0c;该标准将于2026年01月01日起实施。该标准是一项强制性国家标准&#xff0c;适用于M类、N类和O类汽车。自该项标准实施之日起&#xff0c;所有需要申请道路机动车辆产…

git基本用法

原理图&#xff1a; 显示工作目录和暂存区的状态。 git status 三种状态&#xff1a;已提交&#xff08;committed&#xff09;、已修改&#xff08;modified&#xff09; 和 已暂存&#xff08;staged&#xff09; 配置 git config --global user.name "Your Name&qu…

C语言番外篇(4)--------->goto语句

在C语言中&#xff0c;有一个很特殊的语法&#xff0c;这就是goto语句。goto用于实现同一函数的跳转&#xff0c;goto后面会有一个标志&#xff0c;执行goto语句时&#xff0c;就会跳转到标志的位置。 一、goto语句的语法 &#xff08;1&#xff09;goto在前&#xff0c;标志…

【深度学习神经网络学习笔记(二)】神经网络基础

神经网络基础 神经网络基础前言1、Logistic 回归2、逻辑回归损失函数3、梯度下降算法4、导数5、导数计算图6、链式法则7、逻辑回归的梯度下降 神经网络基础 前言 Logistic 回归是一种广泛应用于统计学和机器学习领域的广义线性回归模型&#xff0c;主要用于解决二分类问题。尽…

R语言安装教程(附安装包)R语言4.3.2版本安装教程

文章目录 前言一、安装包下载二、R-4.3.2安装步骤三、rtools43安装步骤四、RStudio安装步骤 前言 本教程将详细、全面地为你介绍在 Windows 系统下安装 R 语言 4.3.2 的具体步骤。无论你是初涉数据领域的新手&#xff0c;还是希望更新知识体系的专业人士&#xff0c;只要按照本…

Java Web开发实战与项目——项目集成与部署

软件开发中&#xff0c;集成与部署是非常关键的一步。无论是将前端与后端模块进行有效的集成&#xff0c;还是通过自动化构建工具&#xff08;如Maven&#xff09;和CI/CD工具&#xff08;如Jenkins&#xff09;实现自动化部署&#xff0c;都会对项目的开发和发布流程产生深远影…

NLP的预处理数据

处理文本数据的主要工具是Tokenizer。Tokenizer根据一组规则将文本拆分为tokens。然后将这些tokens转换为数字&#xff0c;然后转换为张量&#xff0c;成为模型的输入。模型所需的任何附加输入都由Tokenizer添加。 如果您计划使用预训练模型&#xff0c;重要的是使用与之关联的…