RMQ_第一弹_Sparse Table

本文深入讲解SparseTable算法,一种高效解决区间最值查询问题的方法。文章对比线段树,阐述SparseTable的适用场景及实现细节,包括预处理、查询过程,并提供实战代码示例。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >


title: RMQ_第一弹_Sparse Table
date: 2018-09-21 21:33:45
tags:

  • acm
  • RMQ
  • ST
  • dp
  • 数据结构
  • 算法
    categories:
  • ACM

概述

RMQ (Range Minimum/Maximum Query)

从英文便可以看出这个算法的主要是询问一个区间内的最值问题,,,

暑假集训的时候学习了 线段树 ,,,

也可以对给定数组查询任意区间的最值问题,,,,

这两个主要的区别就是 线段树 可以进行单点的修改操作,,,而 Sparse Table 算法不能进行点修改,,

或者说这样修改一次重预处理一次不划算,,,

所以说,,要是题目只是单纯的多次查询任意区间的最值,,,Sparse Table 首选,,毕竟,,毕竟写起来比线段树简单得多了,,,

预处理

算法原理

基本思想是dp,,,,

dp的状态 : 对于数组 \(a[1-n]\) , \(F[i , j]\)表示从第 \(i\) 个位置开始 , 长度\(2^j\) 个数这个区间中的最值,,,;

dp的初始值 : \(F[i , 0] = a[i]\);

状态转移方程 : \(F[i , j] = max (F[i , j - 1] , F[i + 2^{j - 1} , j - 1])\);

思想 : \(F[i , j]\) 就是不断取他的左右这两段的最值,,这两段的长度相等,都为 \(2^{j - 1}\) 个元素,,

实现

const int maxn = 5e4 + 10;
int n , q;
int a[maxn];
int mx[maxn][20];
int mi[maxn][20];
void rmq()
{
    for (int i = 1; i <= n; ++i)
        mx[i][0] = mi[i][0] = a[i];

    for (int j = 1; (1 << j) <= n; ++j)
    {
        for (int i = 1; i + (1 << j) - 1 <= n; ++i)
        {
            mx[i][j] = max(mx[i][j - 1] , mx[i + (1 << (j - 1))][j - 1]);
            mi[i][j] = min(mi[i][j - 1] , mi[i + (1 << (j - 1))][j - 1]);
        }
    }
}

这里我们需要注意的是循环的顺序,我们发现外层是j,内层所i,这是为什么呢?可以是i在外,j在内吗?
答案是不可以。因为我们需要理解这个状态转移方程的意义。

状态转移方程的含义是:先更新所有长度为F[i,0]即1个元素,然后通过2个1个元素的最值,获得所有长度为F[i,1]即2个元素的最值,然后再通过2个2个元素的最值,获得所有长度为F[i,2]即4个元素的最值,以此类推更新所有长度的最值。

而如果是i在外,j在内的话,我们更新的顺序就是F[1,0],F[1,1],F[1,2],F[1,3],表示更新从1开始1个元素,2个元素,4个元素,8个元素(A[0],A[1],....A[7])的最值,这里F[1,3] = max(max(A[0],A[1],A[2],A[3]),max(A[4],A[5],A[6],A[7]))的值,但是我们根本没有计算max(A[0],A[1],A[2],A[3])和max(A[4],A[5],A[6],A[7]),所以这样的方法肯定是错误的。

本段来自某大佬博客


查询

思想

假如我们需要查询的区间为(i,j),那么我们需要找到覆盖这个闭区间(左边界取i,右边界取j)的最小幂(可以重复,比如查询5,6,7,8,9,我们可以查询5678和6789)。

因为这个区间的长度为 \(j - i + 1\) ,所以我们可以取 \(k=log2( j - i + 1)\) ,则有:\(RMQ(A, i, j)=max(F[i , k], F[ j - 2 ^ k + 1, k])\)

举例说明,要求区间[2,8]的最大值,\(k = log_2(8 - 2 + 1)= 2\),即求 \(max(F[2, 2],F[8 - 2 ^ 2 + 1, 2]) = max(F[2, 2],F[5, 2])\)

实现

int ans(int l , int r)
{
    int k = 0;
    int len = r - l + 1;
    while ((1 << (k + 1)) <= len)
        ++k;

    return max (mx[l][k] , mx[r - (1 << k) + 1][k]) - min (mi[l][k] , mi[r - (1 << k) + 1][k]);
}

实战

题目链接

题目大意: 给定的数列a[1 - n] , 求出[l , r]这个区间内的极差 , 即最大值与最小值的差

直接套板子,,,,

ac代码:

#include <iostream>
#include <cmath>
#include <cstring>
#include <cstdio>
using namespace std;
const int maxn = 5e4 + 10;
int n , q;
int a[maxn];
int mx[maxn][20];
int mi[maxn][20];
void rmq()
{
    for (int i = 1; i <= n; ++i)
        mx[i][0] = mi[i][0] = a[i];

    for (int j = 1; (1 << j) <= n; ++j)
    {
        for (int i = 1; i + (1 << j) - 1 <= n; ++i)
        {
            mx[i][j] = max(mx[i][j - 1] , mx[i + (1 << (j - 1))][j - 1]);
            mi[i][j] = min(mi[i][j - 1] , mi[i + (1 << (j - 1))][j - 1]);
        }
    }
}
int ans(int l , int r)
{
    int k = 0;
    int len = r - l + 1;
    while ((1 << (k + 1)) <= len)
        ++k;

    return max (mx[l][k] , mx[r - (1 << k) + 1][k]) - min (mi[l][k] , mi[r - (1 << k) + 1][k]);
}
using namespace std;
int main(){ 
    while (scanf("%d%d" , &n , &q) != EOF)
    {
        for (int i = 1; i <= n; ++i)
            scanf("%d" , &a[i]);

        rmq();
        
        while (q--)
        {
            int l , r;
            scanf("%d%d" , &l , &r);
            printf("%d\n" , ans(l , r));
        }
    }
    return 0;
}

kuangbin的板子:

一维:

const int MAXN = 50010;
int dp[MAXN][20];
int mm[MAXN];
//初始化 RMQ, b 数组下标从 1 开始,从 0 开始简单修改
void initRMQ(int n,int b[])
{
    mm[0] = −1;
    for(int i = 1; i <= n; i++)
    {
        mm[i] = ((i&(i−1)) == 0)?mm[i−1]+1:mm[i−1];
        dp[i][0] = b[i];
    }
    for(int j = 1; j <= mm[n]; j++)
        for(int i = 1; i + (1<<j) −1 <= n; i++)
            dp[i][j] = max(dp[i][j−1],dp[i+(1<<(j−1))][j−1]);
}
 //查询最大值
int rmq(int x,int y)
{
    int k = mm[y−x+1];
    return max(dp[x][k],dp[y−(1<<k)+1][k]);
}
内容概要:本文深入探讨了Kotlin语言在函数式编程和跨平台开发方面的特性和优势,结合详细的代码案例,展示了Kotlin的核心技巧和应用场景。文章首先介绍了高阶函数和Lambda表达式的使用,解释了它们如何简化集合操作和回调函数处理。接着,详细讲解了Kotlin Multiplatform(KMP)的实现方式,包括共享模块的创建和平台特定模块的配置,展示了如何通过共享业务逻辑代码提高开发效率。最后,文章总结了Kotlin在Android开发、跨平台移动开发、后端开发和Web开发中的应用场景,并展望了其未来发展趋势,指出Kotlin将继续在函数式编程和跨平台开发领域不断完善和发展。; 适合人群:对函数式编程和跨平台开发感兴趣的开发者,尤其是有一定编程基础的Kotlin初学者和中级开发者。; 使用场景及目标:①理解Kotlin中高阶函数和Lambda表达式的使用方法及其在实际开发中的应用场景;②掌握Kotlin Multiplatform的实现方式,能够在多个平台上共享业务逻辑代码,提高开发效率;③了解Kotlin在不同开发领域的应用场景,为选择合适的技术栈提供参考。; 其他说明:本文不仅提供了理论知识,还结合了大量代码案例,帮助读者更好地理解和实践Kotlin的函数式编程特性和跨平台开发能力。建议读者在学习过程中动手实践代码案例,以加深理解和掌握。
内容概要:本文深入探讨了利用历史速度命令(HVC)增强仿射编队机动控制性能的方法。论文提出了HVC在仿射编队控制中的潜在价值,通过全面评估HVC对系统的影响,提出了易于测试的稳定性条件,并给出了延迟参数与跟踪误差关系的显式不等式。研究为两轮差动机器人(TWDRs)群提供了系统的协调编队机动控制方案,并通过9台TWDRs的仿真和实验验证了稳定性和综合性能改进。此外,文中还提供了详细的Python代码实现,涵盖仿射编队控制类、HVC增强、稳定性条件检查以及仿真实验。代码不仅实现了论文的核心思想,还扩展了邻居历史信息利用、动态拓扑优化和自适应控制等性能提升策略,更全面地反映了群体智能协作和性能优化思想。 适用人群:具备一定编程基础,对群体智能、机器人编队控制、时滞系统稳定性分析感兴趣的科研人员和工程师。 使用场景及目标:①理解HVC在仿射编队控制中的应用及其对系统性能的提升;②掌握仿射编队控制的具体实现方法,包括控制器设计、稳定性分析和仿真实验;③学习如何通过引入历史信息(如HVC)来优化群体智能系统的性能;④探索中性型时滞系统的稳定性条件及其在实际系统中的应用。 其他说明:此资源不仅提供了理论分析,还包括完整的Python代码实现,帮助读者从理论到实践全面掌握仿射编队控制技术。代码结构清晰,涵盖了从初始化配置、控制律设计到性能评估的各个环节,并提供了丰富的可视化工具,便于理解和分析系统性能。通过阅读和实践,读者可以深入了解HVC增强仿射编队控制的工作原理及其实际应用效果。
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