HDU 2888 Check Corners(二维RMQ模板)

本文介绍了一种解决二维范围最大值查询(RMQ)问题的斯派瑟(ST)算法实现。通过将矩阵划分为四个相等部分并递归地求解最大值,文章详细解释了初始化和查询过程,并提供了完整的代码示例。

题目地址:点击打开链接


题意:给一个n*m的矩阵,下面q的询问,每个询问给出一个子矩阵的左上角和右下角的坐标,要你求出这个子矩阵里

面的最大元素,然后输出,并且,这个最大元素和子矩阵的四

个角上的元素比较,只要能和其中一个元素相等,就输出yes,否则输出no


对模板的理解:摘自点击打开链接

一维RMQ的ST算法,是叫一段2^i长度的序列分成两个2^(i-1)的序列然后计算。二维的RMQ依然使用ST的DP思想,不过对于一个矩形,将其分成完全相等的4个部分,然后求最

值,特殊情况是,当一个子矩阵的宽为1,即在宽上不能二分的时候,已经长为1,即长不能二分的时候,其实就是一
个一维的RMQ,我是采用了单独处理的方法(我把它归为初始

化的一部分),而对于一般情况,就是普通的DP了



查询也是一样的,和一维的查询思想相同,也是将要查询的矩阵分成4份,允许有覆盖部分的去查询



思想不难的,代码量多了而已,注意细节,另外空间比较那个,会超空间,只要数组在够用的情况下尽可能小就可以了


代码:

#include<iostream>
#include<cstdio>
#include<cstring>
using namespace std;
const int maxn = 305;
int mm[maxn];
int val[maxn][maxn], dpMax[maxn][maxn][9][9];

void initRMQ(int n, int m)
{
    for(int i = 1; i <= n; i++)
        for(int j = 1; j <= m; j++)
            dpMax[i][j][0][0] = val[i][j];
    for(int ii = 0; ii <= mm[n]; ii++)
        for(int jj = 0; jj <= mm[m]; jj++)
            if(ii+jj)
                for(int i = 1; i+(1<<ii)-1 <= n; i++)
                    for(int j = 1; j+(1<<jj)-1 <= m; j++)
                    {
                        if(ii)
                            dpMax[i][j][ii][jj] = max(dpMax[i][j][ii-1][jj], dpMax[i+(1<<(ii-1))][j][ii-1][jj]);
                        else
                            dpMax[i][j][ii][jj] = max(dpMax[i][j][ii][jj-1], dpMax[i][j+(1<<(jj-1))][ii][jj-1]);
                    }
}

int rmqMax(int x1, int y1, int x2, int y2)
{
    int k1 = mm[x2-x1+1];
    int k2 = mm[y2-y1+1];
    x2 = x2-(1<<k1)+1;
    y2 = y2-(1<<k2)+1;
    return max(max(dpMax[x1][y1][k1][k2], dpMax[x1][y2][k1][k2]), max(dpMax[x2][y1][k1][k2], dpMax[x2][y2][k1][k2]));
}

int main(void)
{
    mm[0] = -1;
    for(int i = 1; i < maxn; i++)
        mm[i] = ((i&(i-1))==0) ? mm[i-1]+1 : mm[i-1];
    int n, m, q;
    while(cin >> n >> m)
    {
        memset(dpMax, 0, sizeof(dpMax));
        memset(val, 0, sizeof(val));
        for(int i = 1; i <= n; i++)
            for(int j = 1; j <= m; j++)
                scanf("%d", &val[i][j]);
        initRMQ(n, m);
        scanf("%d", &q);
        while(q--)
        {
            int x1, y1, x2, y2;
            scanf("%d%d%d%d", &x1, &y1, &x2, &y2);
            int tmax = rmqMax(x1, y1, x2, y2);
            printf("%d ", tmax);
            if(val[x1][y1] == tmax || val[x1][y2] == tmax || val[x2][y1] == tmax || val[x2][y2] == tmax)
                puts("yes");
            else puts("no");
        }
    }
    return 0;
}


<think>我们注意到用户要求解决HDU1081问题,但实际提供的引用中并没有直接关于HDU1081的内容。HDU1081题目名是"ToTheMax",是一个最大子矩阵和问题,而不是二维最长递增子序列问题。这里可能存在用户描述的错误。然而,根据我们的知识,HDU1081(ToTheMax)的题意:给定一个二维矩阵(可能包含正数和负数),求子矩阵的最大和。这是一个经典的最大子矩阵和问题,通常使用动态规划来解决,可以通过转换为一维的最大子段和问题来求解。解决思路:1.将二维问题转化为一维:对于每一列,计算从第i行到第j行之间的每一列的元素和,形成一个一维数组。2.对形成的一维数组,求最大子段和(即连续子数组的最大和)。3.遍历所有可能的i和j(行),取最大子段和的最大值。因此,我们需要实现一个最大子矩阵和算法。但是,用户提到了“二维最长递增子序列”,而实际上HDU1081是最大子矩阵和问题。这里我们按照正确题意给出代码。为了确认,我们参考引用:引用[1]:排列型枚举,与问题无关。引用[2]:最长上升子序列(LIS),一维情况,采用二分优化。引用[3]:最长共子序列(LCS)。用户的问题描述为“二维最长递增子序列”,但根据题号HDU1081,实际应为最大子矩阵和问题。我们按照最大子矩阵和来给出Java实现。注意:如果用户坚持要求“二维最长递增子序列”的代码,那么需要澄清,因为通常“最长递增子序列”是一维的,二维情况下可以转化为偏序问题(如按一维排序,另一维求最长上升子序列),但题目HDU1081并不是。因此,我们按照HDU1081的正确题意(最大子矩阵和)给出Java代码。代码步骤:1.读取一个n*n的矩阵。2.用两层循环枚举起始行i和终止行j。3.对于固定的i和j,计算每一列k从第i行到第j行的元素和,保存到一个一维数组colSum中(注意:对于每一列,我们只需要累加从i到j行的元素)。4.对colSum数组求最大子段和。5.更新最大子矩阵和。最大子段和算法(Kadane算法):intmaxEndingHere=0;intmaxSoFar=Integer.MIN_VALUE;for(intk=0;k< n;k++){maxEndingHere=Math.max(0,maxEndingHere+colSum[k]);//如果允许负数,则可能使用Math.max(colSum[k],maxEndingHere+colSum[k]),但题目要求子矩阵可以是任意子矩阵,包括负数,所以正确写法如下://但注意,如果矩阵中有负数,那么初始值不能设为0,因为可能整个都是负数。所以Kadane算法标准写法://初始化://intmaxEndingHere=colSum[0];//intmaxSoFar=colSum[0];//for(intk=1;k<n;k++){//maxEndingHere=Math.max(colSum[k],maxEndingHere+colSum[k]);//maxSoFar=Math.max(maxSoFar,maxEndingHere);//}}但是,我们的colSum数组是通过多行累加得到的,所以可能包含负数。因此,必须用标准的Kadane算法。具体Java代码实现如下:</think> ### HDU 1081 "To The Max" 最大子矩阵和问题(Java实现) 虽然您提到“二维最长递增子序列”,但根据题号HDU 1081,实际是求最大子矩阵和问题(给定包含正负整数的矩阵,求元素和最大的子矩阵)。以下是完整的Java实现方案: ```java import java.util.Scanner; public class Main { public static void main(String[] args) { Scanner sc = new Scanner(System.in); while (sc.hasNext()) { int n = sc.nextInt(); int[][] matrix = new int[n][n]; // 输入矩阵 for (int i = 0; i < n; i++) { for (int j = 0; j < n; j++) { matrix[i][j] = sc.nextInt(); } } System.out.println(maxSubmatrixSum(matrix)); } sc.close(); } // 动态规划求最大子矩阵和 private static int maxSubmatrixSum(int[][] matrix) { int n = matrix.length; int maxSum = Integer.MIN_VALUE; // 枚举起始行 for (int top = 0; top < n; top++) { int[] colSum = new int[n]; // 存储列累加值 // 枚举结束行 for (int bottom = top; bottom < n; bottom++) { // 累加当前行各列值 for (int j = 0; j < n; j++) { colSum[j] += matrix[bottom][j]; } // 对当前列累加数组求最大子序和 int current = colSum[0]; int maxSeq = colSum[0]; for (int j = 1; j < n; j++) { current = Math.max(colSum[j], current + colSum[j]); maxSeq = Math.max(maxSeq, current); } // 更新全局最大值 maxSum = Math.max(maxSum, maxSeq); } } return maxSum; } } ``` ### 算法说明 1. **核心思路**: - 将二维问题转换为一维:枚举所有行组合`(top, bottom)` - 将每列在`top`到`bottom`行间的元素压缩成一维数组 - 对压缩后的一维数组使用Kadane算法求最大子序和[^1] 2. **时间复杂度**: - 压缩行组合:$O(n^2)$ - 一维Kadane算法:$O(n)$ - 总时间复杂度:$O(n^3)$(适合$n \leq 100$的题目规模) 3. **空间优化**: - 使用固定长度数组`colSum[n]`存储列压缩结果 - 空间复杂度$O(n)$ ### 测试示例 输入矩阵: ``` 4 0 -2 -7 0 9 2 -6 2 -4 1 -4 1 -1 8 0 -2 ``` 输出结果: ``` 15 ``` (最大子矩阵为左上角4×1矩阵:0 + 9 + (-4) + (-1) 计算有误,实际最大子矩阵是第二行的[9, 2]和第四行的[-1, 8]部分区域,但示例输出应为15,来自子矩阵: ``` 9 2 -4 1 -1 8 ``` 的和:9+2+(-4)+1+(-1)+8=15) ---
评论
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