杂题 区间第K大(kth)

本文探讨了一种特殊的区间第K大问题的求解方法,即给定一个序列和多个询问,每个询问包含一个目标值X_i和一个排名值K_i,要求找出序列中有多少个区间满足条件:区间内的第K_i大的数正好等于X_i。通过预处理和动态规划技巧,文章提供了一种高效的解决方案。

问题 C: 区间第K大(kth)

时间限制: 20 Sec  内存限制: 256 MB
提交: 48  解决: 37
[提交][状态][讨论版]

题目描述

想必大家对区间第K大问题相当熟悉了。这个问题是这样的,给一串序列和若干询问,每个询问查询某段连续区间中第K大的数。现在我们考虑一个该问题的“Reverse”版本。现在我们给出序列和Q个询问,每个询问给出K_i和X_i,询问有多少区间其第K_i大的数为X_i。

输入

第一行一个整数N和Q,表示序列长度和询问个数。

第二行N个整数A_i,表示序列中的元素。

接下来Q行,每行两个整数K_i和X_i,表示询问。

输出

一共Q行,每行表示对应询问的答案。

样例输入

3 21 1 21 12 1

样例输出

33

提示

对于20%的数据,N<=100

对于40%的数据,N<=500

对于100%的数据,N<=2000,Q<=2000000, 1 ≤ K_i ≤ N,1 ≤ X_i ≤ N

     正解是N^2预处理每个点。shu[i]表示到第i位时,有多少个数比当前枚举的点大。sum1[i]记录这个点之前包含i个比他大的点的区间数。sum2[i]就是后面的。

     f[a[i]][k+j+1]+=sum1[j]*sum2[k],这个就很好解释了,a[i]为第k+j+1大时就是他前面有j个比他大的区间数*后面有k个比他大的区间数。。。

    注意细节,因为重复出现的值不去重,所以。。前后中有一个判断是不带=的,这样才能对上。

    sum1[0]=sum2[0]=1,包含他自己。

#include<iostream>
#include<cstdio>
#include<cstdlib>
#include<cstring>
#include<algorithm>
using namespace std;
int read()
{
	int sum=0,f=1;char x=getchar();
	while(x<'0'||x>'9'){if(x=='-')f=-1;x=getchar();}
	while(x>='0'&&x<='9'){sum=(sum<<1)+(sum<<3)+x-'0';x=getchar();}
	return sum*f;
}
int n,q,a[2005],f[2005][2005],shu[2005],num1[2005],num2[2005];
int main()
{
	freopen("kth.in","r",stdin);
	freopen("kth.out","w",stdout);
	n=read();q=read();
	for(int i=1;i<=n;i++)a[i]=read();
	for(int i=1;i<=n;i++)
	{
		memset(shu,0,sizeof(shu));
		memset(num1,0,sizeof(num1));
		memset(num2,0,sizeof(num2));
		//shu[i]=1;
		for(int j=i-1;j>=1;j--)
		{
			shu[j]=shu[j+1];
			if(a[j]>a[i])shu[j]++;
			num1[shu[j]]++;
		}
		for(int j=i+1;j<=n;j++)
		{
			shu[j]=shu[j-1];
			if(a[j]>=a[i])shu[j]++;
			num2[shu[j]]++;
		}num2[0]++;num1[0]++;
		for(int j=0;j<=shu[1];j++)
		   for(int k=0;k<=shu[n];k++)
		      f[a[i]][k+j+1]+=num2[k]*num1[j];
	//	for(int j=0;j<=n;j++)cout<<num1[j]<<" ";
	//	cout<<endl;
	//	for(int j=0;j<=n;j++)cout<<num2[j]<<" ";
	//	cout<<endl;
	}
	int x,y;
	for(int i=1;i<=q;i++)
	{
		x=read();
		y=read();
		printf("%d\n",f[y][x]);
	}
}


### 求解区间第 k 小问题的方法 #### 方法一:基于快速选择算法的解决方案 快速选择是一种用于查找数组中第 k 或第 k 小元素的选择算法。该算法的时间复度平均情况下为 O(n),最坏情况下为 O()[^1]。 ```python def quick_select(nums, left, right, k_smallest): if left == right: return nums[left] pivot_index = partition(nums, left, right) if k_smallest == pivot_index: return nums[k_smallest] elif k_smallest < pivot_index: return quick_select(nums, left, pivot_index - 1, k_smallest) else: return quick_select(nums, pivot_index + 1, right, k_smallest) def partition(nums, left, right): pivot_value = nums[right] store_index = left for i in range(left, right): if nums[i] < pivot_value: nums[store_index], nums[i] = nums[i], nums[store_index] store_index += 1 nums[right], nums[store_index] = nums[store_index], nums[right] return store_index ``` #### 方法二:线段树查询 对于静态区间的频繁查询场景,可以预先构建一棵线段树来加速查询过程。预处理时间为 O(n log n),每次查询时间复度为 O(log n)。 ```cpp struct SegmentTree { int tree[N * 4]; void build(int node, int start, int end) { ... } int query_kth(int node, int start, int end, int l, int r, int k) { ... } }; ``` #### 方法三:平衡二叉搜索树(BST) 通过维护一颗支持动态插入删除操作并能高效统计子节点数量的 BST 来解决问题。这种做法适合于需要不断更新序列的情况,在此结构上执行单次插入/删除以及秩查询的操作均为 O(log n)[^1]。 #### 方法四:分块思想 将整个数组分成若干个小块,每一块内部有序排列;当询问某一段区间内的第 K 小值时,则只需考虑跨越边界部分加上两端完整的块即可得到答案。这种方法可以在常数时间内完成初始化工作,并且能够在线性扫描的基础上获得较好的性能表现。
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