ybt1169 大整数减法(高-高)

本文介绍两种实现大整数减法的方法:一种是通过数组模拟进行计算;另一种是通过重载运算符来完成。这两种方法均适用于解决大整数(超过标准整型变量所能表示的范围)的减法问题。

ybt1169  大整数减法

时空限制    1000ms/64M

题目描述

        求两个大的正整数相减的差。

输入

        共2行,第1行是被减数a,第2行是减数b(a > b)。每个大整数不超过200位,不会有多余的前导零。

输出

        一行,即所求的差。

输入样例

9999999999999999999999999999999999999
9999999999999

输出样例

9999999999999999999999990000000000000

代码

法一:数组模拟

#include<iostream>
#include<string>
#include<cstring>
using namespace std;
const int N = 205;
int a[N],b[N],c[N];

void zhuan(string s,int a[]){
	memset(a,0,sizeof(int)*N);
	a[0] = s.size();
	for (int i=1; i<=a[0]; ++i) a[i]=s[a[0]-i]-48;
}

void sub(int a[],int b[],int c[]){
	memset(c,0,sizeof(int)*N);
	c[0] = a[0];
	for (int i=1; i<=c[0]; ++i){
		if (a[i]<b[i]) a[i+1]--,a[i]+=10;
		c[i] = a[i]-b[i];
	}
	while (c[c[0]]==0 && c[0]>1) --c[0];
}

void output(int a[]){
	for (int i=a[0]; i>=1; --i) cout<<a[i];
	cout<<'\n';
}

int main(){
	string s1,s2;
	while (cin>>s1>>s2){
		zhuan(s1,a); zhuan(s2,b);
		sub(a,b,c);
		output(c);
	}
	return 0;
}

法二:重载运算符

#include<iostream>
#include<string>
#include<cstring>
using namespace std;
const int N = 205;
struct bign{
	int len,d[N];
	bign(){ memset(d,0,sizeof(d)); len=1; }	//构造函数,默认初始化
	bign(string x){							//构造函数,string初始化
		memset(d,0,sizeof(d));
		len = x.size();
		for (int i=1; i<=len; ++i) d[i]=x[len-i]-48;
	}
	void clear0(){	//成员函数  清掉高位0,保证至少1位
		while (d[len]==0 && len>1) --len;
	}
	bign operator - (const bign &b){		//重载- 高-高
		bign c;		//c=结构体本身-b
		c.len = len;
		for (int i=1; i<=len; ++i){
			if (d[i]<b.d[i]) d[i+1]--,d[i]+=10;
			c.d[i] = d[i]-b.d[i];
		}
		c.clear0();
		return c;
	}
	friend istream& operator >> (istream& input,bign &x){	//重载输入流
		string s;
		input>>s;
		x = s;
		return input;
	}
	friend ostream& operator << (ostream& output,const bign &x){//重载输出流
		for (int i=x.len; i>=1; --i) cout<<x.d[i];
		return output;
	}
};

int main(){
	bign a,b;
	while (cin>>a>>b)		//需重载输入流
		cout<<a-b<<'\n';	//需重载输出流、高-高
	return 0;
}
### 解题思路 YBT1324 整数区间问题通常涉及如何效地管理和查询一组整数区间上的操作。这类题目一般考察线段树、差分数组或离散化等级数据结构的应用能力。下面详细介绍该类问题的解决方法。 #### 数据预处理 如果原始数据范围较大而实际使用的点较少,则应考虑采用**离散化技术**减少内存消耗并提效率。通过对所有端点进行排序后映射到连续编号上来完成这一目标[^4]。 #### 差分数组应用 对于频繁更新某一段区域内的值以及询问某个位置被覆盖了多少次的情况,可以引入**差分数组**的概念简化操作流程。初始化一个长度足够的零数组,在每次增加新区间[a,b]时仅需修改对应索引处的数据d[a]+=1,d[b+1]-=1;待所有增删动作结束后统一对原序列做前缀和恢复即可获得最终状态[^5]。 #### 线段树构建与维护 当面对动态变化且需要快速定位符合条件子集的任务时,推荐使用**线段树**来加速检索速度。每棵子树代表源集合中的部分元素,叶子节点保存单个基础单元的信息,而非叶结点则汇总其孩子所表达的内容摘要。通过递归建立整个结构图谱,并配合懒惰标记机制延迟不必要的即时调整动作,从而达到节省资源的目的[^6]。 ```python class SegmentTree: def __init__(self, size): self.size = size self.tree = [0]*(4*size) def update(self,node,left,right,idx,val): if left==right: self.tree[node]=val return mid=(left+right)//2 if idx<=mid: self.update(2*node,left,mid,idx,val) else : self.update(2*node+1,mid+1,right,idx,val) self.tree[node]=max(self.tree[2*node],self.tree[2*node+1]) def query_max(self,node,left,right,q_left,q_right): if q_left>right or q_right<left:return float('-inf') if q_left<=left and right<=q_right:return self.tree[node] mid=(left+right)//2 p1=self.query_max(2*node,left,mid,q_left,q_right) p2=self.query_max(2*node+1,mid+1,right,q_left,q_right) return max(p1,p2) def solution(intervals,n,m): st=SegmentTree(n) result=[] for op,l,r in intervals: if op==1:#add interval st.update(1,1,n,l,l+r-1) elif op==2:#query maximum coverage at point l res=st.query_max(1,1,n,l,l) result.append(res) return result # Example Usage if __name__=='__main__': n,m=map(int,input().split()) queries=[list(map(int,input().split()))for _ in range(m)] ans=solution(queries,n,m) print("\n".join(map(str,ans))) ``` 上述 Python 示例展示了基于线段树的方法解答此类问题的过程。其中包含了基本的操作如添加新间隔及查询指定坐标的最覆盖率等功能模块[^7]。 ---
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