洛谷题解P3131

本文详细解析了如何运用前缀和与同余定理解决USACO16JAN的SubsequencesSummingtoSevens问题。通过计算数组的前缀和并对其取模,再利用两个数组记录每个余数第一次和最后一次出现的位置,从而找到和为7的倍数的最长连续子序列。这种方法有效地避免了暴力遍历导致的时间复杂度过高。

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

洛谷题解P3131

传送门:洛谷P3131

[USACO16JAN]Subsequences Summing to Sevens S

题目描述

Farmer John’s N N N cows are standing in a row, as they have a tendency to do from time to time. Each cow is labeled with a distinct integer ID number so FJ can tell them apart. FJ would like to take a photo of a contiguous group of cows but, due to a traumatic childhood incident involving the numbers 1 … 6 1 \ldots 6 16, he only wants to take a picture of a group of cows if their IDs add up to a multiple of 7.

Please help FJ determine the size of the largest group he can photograph.

给你n个数,分别是a[1],a[2],…,a[n]。求一个最长的区间[x,y],使得区间中的数(a[x],a[x+1],a[x+2],…,a[y-1],a[y])的和能被7整除。输出区间长度。若没有符合要求的区间,输出0。

输入格式

The first line of input contains N N N ( 1 ≤ N ≤ 50 , 000 1 \leq N \leq 50,000 1N50,000). The next N N N

lines each contain the N N N integer IDs of the cows (all are in the range

0 … 1 , 000 , 000 0 \ldots 1,000,000 01,000,000).

输出格式

Please output the number of cows in the largest consecutive group whose IDs sum

to a multiple of 7. If no such group exists, output 0.

样例 #1

样例输入 #1

7
3
5
1
6
2
14
10

样例输出 #1

5

提示

In this example, 5+1+6+2+14 = 28.

以下为题解部分

题目要求,对于给定的数组a[n],要求出最长区间[x,y]的和,使得这个区间内所有数的和是7的倍数。

由于要频繁地计算数组在某些区间的和,这里我们首先采用的处理是求这个数组对应的 前缀和 。这里可以先学习一下相关的知识:大佬的前缀和帖子

我们如果仅仅利用求出的前缀和数组,然后暴力地遍历前缀和数组,发现复杂度过高!就像下面的代码片段:

int main(){
    cin>>n;
    for(i=1;i<=n;i++){
        cin>>a[i];
        sum[i]=sum[i-1]+a[i];
    }
    //然后遍历sum数组,暴力可能会超时的
    for(i=0;i+1<n;i++){//这里为什么i=0?
        //因为sum[0]=0,而sum[2]-sum[0]=a[1]+a[2],区间[1,2]的长度为2
        for(j=(i+1)+1;j<=n;j++){//对于题目要求的区间[x,y],要满足 x<y,即i+1<j<=n
            if((sum[j]-sum[i])%7==0){
                length=max(j-i,length);
                //注意要理解这里为什么区间长度是j-(i+1)+1=j-i,要紧扣前缀和的定义!
            }
        }
    }
    cout<<length<<endl;
    return 0;
}

既然这样暴力会超时,那么我们有什么办法可以优化呢?
首先这个方法的困难之处在于求出sum[]数组中的某个最大区间[x,y],使得(sum[y]-sum[x])%7==0 成立。要解决这个办法,我们要注意到,两数相减的结果为7的倍数,则这两个数mod7后的余数相同。这里简单介绍一下 同余定理

同余定理:数论中的重要概念。给定一个正整数m,如果两个整数a和b满足a-b能够被m整除,即(a-b)/m得到一个整数,那么就称整数a与b对模m同余,记作a≡b(mod m)。对模m同余是整数的一个等价关系。

因此,我们可以把前缀和数组的每一项mod7。对sum[]数组的每一项mod7以后,如果sum[x]==sum[y],这区间[x+1,y]内的和恰好为7的倍数。紧接着,我们索要做的便是求出某个余数第一次出现到最后一次出现的最大区间。

在这里,我们借助两个数组 int first[7],last[7]; 来记录这些余数第一次出现的位置和最后一次出现位置。

int main(){
    cin>>n;
    for(i=1;i<=n;i++){
        cin>>a;
        s[i]=(s[i-1]+a)%7;
    }
    for(i=0;i<=n;i++)
        last[s[i]]=i;
    for(i=n;i>=0;i++)
        first[s[i]]=i;
    
    for(i=0;i<=6;i++)
        length=(last[i]-first[i])>length?(last[i]-first[i]):length;
    cout<<length<<endl;
    return 0;
}

这里求解某个余数第一次出现的位置和最后一次出现的位置的方法很有意思:

我们用i从前向后遍历,用s[i]的值当作last[]的下标索引,即为:last[s[i]=i; 由于i不断向后遍历推进,所以last[]数组的值不断被更新,所以当循环结束后last[]数组的值便是余数最后一次出现的位置。同理,我们从后向前遍历,用first[]数组记录余数第一次出现的位置,当循环结束后,first[]的值即为余数第一次出现的位置。

对于上面的代码段,我们要注意在求解last数组和first数组的时候,要对端点特殊考虑。

数组的下标索引[0][1][2][3]
输入的原数组,a[]0162
最初的前缀和,sum[]0179
mod7后的数组,s[]0102

注意到上表中s[2]==s[0]==0,意味着 余数"0"第一次出现必定在s[0]的位置:0

在理解了s[0]=0的基础上,我们可以继续优化一下上述代码

int last[7],first[7]={0,-1,-1,-1,-1,-1,-1};
int main(){
    cin>>n;
    for(i=1;i<=n;i++){
        cin>>a;
        s[i]=(s[i-1]+a)%7;
        last[s[i]]=i;//这里,我们从前向后遍历,last[]的值不断更新
        if(first[s[i]]==-1)first[s[i]]=i;//这一句想想问什么
    }
    first[0]=0;

     for(i=0;i<7;i++)
        if(first[i] != -1)
            ans = (last[i]-first[i]>ans) ? (last[i]-first[i]) : ans;
    cout << ans << endl;
    return 0;
}

这里我们重新引入两个数组first[]和last[]。显然易知,求解last[]数组的值,我们要从前向后遍历,因此last[]的求解几乎没有变化。但是first[]数组的求解就麻烦了一些。

对与first[]数组的求解,要么采取从后向前遍历的方法,就如我们之前所讲。如果非得要从前向后遍历数组的同时求解first[]的值,我们需要判断一下,某一余数是不是第一次出现。如果某个余数s[i]是第一次出现,那么我们就把该余数s[i]对应的位置i存储到first[i]中。
因此,我们可以设置这样的数组:

int first[7]={-1,-1,-1,-1,-1,-1,-1};//first[0]待会特别讨论

我们在从前向后遍历的同时,判断first[i]==-1是否成立。如果成立,则表明余数s[i]是第一次出现,那么我们就把余数s[i]的位置i更新到first数组里。

if(first[s[i]]==-1)first[s[i]]=i;

然后就是对first[0]的处理。

数组的下标索引[0][1][2][3]
输入的原数组,a[]0162
最初的前缀和,sum[]0179
同余后的前缀和,s[]%70102

借助这个例子,我们再次重复一遍:余数0第一次出现的位置一定是0,即为first[0]==0恒成立。因此,我们可以用0初始化first[0]。

int first[7]={-1,-1,-1,-1,-1,-1,-1};//改进前
for(){...}
first[0]=0;
for(){   }//寻找最长区间
int first[7]={0,-1,-1,-1,-1,-1,-1};//改进后
for(){...}
for(){   }//寻找最长区间

因此,完整的代码为

AC代码:

#include<iostream>
using namespace std;
int main() {
    int a, b[50001] = {0}, n, i, ans = 0;
    int first[7] = {0, -1, -1, -1, -1, -1, -1}, last[7]={0};
    cin >> n;
    for (i = 1; i <= n; i++) {
        cin >> a;
        b[i] = (a + b[i-1]) % 7;
        if (first[b[i]] == -1)first[b[i]] = i;
        last[b[i]] = i;
    }
    
    for (i = 0; i < 7; i++)
        if (first[i] != -1)
            ans = (last[i] - first[i] > ans) ? (last[i] - first[i]) : ans;
    cout << ans << endl;
    return 0;
}

end!

### 题目解答与算法解析 是一个广受欢迎的在线编程学习平台,提供大量算法题目和题解资源。针对不同的问题,用户可以选择适合自己的算法进行练习或解决问题。 #### DFS(深度优先搜索)在题目中的应用 DFS是一种经典的回溯算法,通常用于解决迷宫类问题或者路径探索问题。例如,在P1605题目中,使用DFS可以统计从起点到终点的所有可行路径数量。通过递归实现对每个方向的探索,并在满足条件时继续深入,直到到达目标点。以下代码展示了如何实现这一逻辑: ```cpp int dir[4][2] = {0, 1, 1, 0, 0, -1, -1, 0}; // 方向数组 bool check(int nx, int ny) { return nx >= 1 && nx <= n && ny >= 1 && ny <= m; } void dfs(int x, int y) { vis[x][y] = true; for (int i = 0; i < 4; i++) { int nx = x + dir[i][0]; int ny = y + dir[i][1]; if (check(nx, ny) && vis[nx][ny] == false && map[nx][ny] != '#') { dfs(nx, ny); } } vis[x][y] = false; // 回溯 } ``` 上述代码中,`dir`数组定义了四个方向的增量,`check`函数判断坐标是否合法,而`dfs`函数则递归地遍历所有可能的路径并进行回溯[^3]。 #### Dijkstra算法的应用 Dijkstra算法是解决最短路径问题的经典方法,适用于图中节点之间的加权边。以最小体力消耗为例,相邻格子的差值作为代价,可以通过构建小根堆来优化路径选择。具体来说,将每个节点的代价存储在堆中,并按照代价从小到大排序,逐步扩展路径直至找到目标点。以下是Dijkstra算法的核心部分: ```cpp struct Node { int x, y, cost; bool operator<(const Node& other) const { return cost > other.cost; } }; priority_queue<Node> pq; void dijkstra() { pq.push({start_x, start_y, 0}); dist[start_x][start_y] = 0; while (!pq.empty()) { Node current = pq.top(); pq.pop(); if (current.x == target_x && current.y == target_y) break; for (int i = 0; i < 4; i++) { int nx = current.x + dir[i][0]; int ny = current.y + dir[i][1]; if (check(nx, ny)) { int new_cost = abs(grid[nx][ny] - grid[current.x][current.y]); if (dist[nx][ny] > dist[current.x][current.y] + new_cost) { dist[nx][ny] = dist[current.x][current.y] + new_cost; pq.push({nx, ny, dist[nx][ny]}); } } } } } ``` 在此代码中,`Node`结构体定义了节点的信息,包括坐标和当前代价;`priority_queue`实现了小根堆的功能,确保每次取出代价最小的节点进行扩展[^2]。 #### 回溯算法在经典题目中的运用 回溯算法是解决组合、排列等问题的重要工具。例如,在N皇后问题中,通过尝试在每一行放置一个皇后,并检查是否满足列和对角线的约束条件,最终找出所有合法的布局方案。以下是N皇后问题的核心代码: ```cpp bool is_safe(int row, int col) { for (int i = 0; i < row; i++) { if (board[i] == col || abs(row - i) == abs(col - board[i])) { return false; } } return true; } void solve(int row) { if (row == n) { solutions++; return; } for (int col = 0; col < n; col++) { if (is_safe(row, col)) { board[row] = col; solve(row + 1); } } } ``` 此代码中,`is_safe`函数检查当前位置是否安全,`solve`函数递归地尝试每一列的可能性,并在找到完整解后增加计数器[^3]。 #### 总结 DFS、Dijkstra以及回溯算法题目中均有广泛应用。DFS适合处理路径探索和数量统计问题,Dijkstra适用于最短路径问题,而回溯算法则擅长解决组合、排列等需要穷举可能性的问题。掌握这些算法及其变种对于提升编程能力至关重要。
评论 5
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