RMQ与SparseTable(ST表)

本文介绍了一种解决静态区间最小值查询问题的方法,通过构建ST表实现高效查询。代码示例使用C++实现,展示了初始化过程及查询算法。

静态区间最值问题(RMQ)


ST表。

#include <iostream>
using namespace std;

int N, Q;
int D[(1<<17)][17];
int A[(1<<17)];

void RMQ_INIT() {
	for(int i=1; i<=N; i++) D[i][0] = A[i];
	for(int j=1; (1<<j)<=N; j++)
		for(int i=1; i+(1<<j)-1<=N; i++)
			D[i][j] = min(D[i][j-1], D[i+(1<<(j-1))][j-1]);
}

int RMQ(int L, int R) {
	int k = 0;
	while((1<<(k+1)) <= R - L + 1) k ++;
	return min(D[L][k], D[R-(1<<k)+1][k]);
}

int main() {
	int L, R;
	cin >> N >> Q;
	for(int i=1; i<=N; i++) cin >> A[i];
	RMQ_INIT();
	for(int i=1; i<=Q; i++) {
		cin >> L >> R;
		cout << RMQ(L, R) << ' ';
	}

	return 0;
}


**项目名称:** 基于Vue.jsSpring Cloud架构的博客系统设计开发——微服务分布式应用实践 **项目概述:** 本项目为计算机科学技术专业本科毕业设计成果,旨在设计并实现一个采用前后端分离架构的现代化博客平台。系统前端基于Vue.js框架构建,提供响应式用户界面;后端采用Spring Cloud微服务架构,通过服务拆分、注册发现、配置中心及网关路由等技术,构建高可用、易扩展的分布式应用体系。项目重点探讨微服务模式下的系统设计、服务治理、数据一致性及部署运维等关键问题,体现了分布式系统在Web应用中的实践价值。 **技术架构:** 1. **前端技术栈:** Vue.js 2.x、Vue Router、Vuex、Element UI、Axios 2. **后端技术栈:** Spring Boot 2.x、Spring Cloud (Eureka/Nacos、Feign/OpenFeign、Ribbon、Hystrix、Zuul/Gateway、Config) 3. **数据存储:** MySQL 8.0(主数据存储)、Redis(缓存会话管理) 4. **服务通信:** RESTful API、消息队列(可选RabbitMQ/Kafka) 5. **部署运维:** Docker容器化、Jenkins持续集成、Nginx负载均衡 **核心功能模块:** - 用户管理:注册登录、权限控制、个人中心 - 文章管理:富文本编辑、分类标签、发布审核、评论互动 - 内容展示:首页推荐、分类检索、全文搜索、热门排行 - 系统管理:后台仪盘、用户内容监控、日志审计 - 微服务治理:服务健康检测、动态配置更新、熔断降级策略 **设计特点:** 1. **架构解耦:** 前后端完全分离,通过API网关统一接入,支持独立开发部署。 2. **服务拆分:** 按业务域划分为用户服务、文章服务、评论服务、文件服务等独立微服务。 3. **高可用设计:** 采用服务注册发现机制,配合负载均衡熔断器,提升系统容错能力。 4. **可扩展性:** 模块化设计支持横向扩展,配置中心实现运行时动态调整。 **项目成果:** 完成了一个具备完整博客功能、具备微服务典型特征的分布式系统原型,通过容器化部署验证了多服务协同运行的可行性,为云原生应用开发提供了实践参考。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
### ST RMQ 问题 ST (Sparse Table)是一种用于解决静态数组上的区间最值查询(Range Minimum/Maximum Query, RMQ)的数据结构。它通过预处理的方式,在 $O(n \log n)$ 的时间复杂度下完成初始化,并支持在 $O(1)$ 时间内回答任意区间的最小值或最大值。 #### 预处理阶段 为了构建 Sparse Table,我们需要预先计算出对于每一个起点位置 `i` 每种长度为 $2^j$ 的子区间内的最小值或最大值。具体来说: $$ f[i][j] = \min(f[i][j-1], f[i + 2^{j-1}][j-1]) $$ 或者 $$ f[i][j] = \max(f[i][j-1], f[i + 2^{j-1}][j-1]) $$ 其中,`f[i][j]` 示从第 `i` 个元素开始的连续 $2^j$ 个数中的最小值或者最大值[^1]。 此过程可以通过动态规划来实现,其伪代码如下所示: ```python def preprocess_sparse_table(array): n = len(array) logn = int(math.log2(n)) + 1 st = [[0]*logn for _ in range(n)] # Initialize the base case (intervals of length 1). for i in range(n): st[i][0] = array[i] # Build sparse table. for j in range(1, logn): for i in range(n - (1 << j) + 1): st[i][j] = min(st[i][j-1], st[i + (1 << (j-1))][j-1]) return st ``` #### 查询阶段 一旦完成了上述预处理工作,则可以快速响应任何范围 `[L,R]` 上的最大值或最小值请求。我们只需要找到满足条件的最大整数 k ,使得 $2^k ≤ R-L+1$, 并比较两个重叠部分即可得出最终结果: $$ result = \min(\text{st}[L][k],\text{st}[R-(2^k)+1][k]) $$ 对于最大值情况则相应替换 $\min()$ 函数为 $\max()$. 下面是基于之前准备好的稀疏执行实际查询的一个例子: ```python import math def query_min(L, R, st, n): k = int(math.log2(R - L + 1)) return min(st[L][k], st[R - (1 << k) + 1][k]) # Example Usage: array = [4,7,9,7,8,3,2] st = preprocess_sparse_table(array) print(query_min(1, 5, st, len(array))) # Output should be minimum value between index 1 to 5 inclusive. ``` 这种技术非常适合那些数据不会改变的应用场景之中,因为它不提供修改操作的支持;但是当面对只读型大数据集时,它的效率是非常高的。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值