蓝桥杯真题——子矩阵

本题来自蓝桥杯真题,题目链接为0子矩阵 - 蓝桥云课

讲解算法原理

首先我们先阅读一遍题目

本题是让我们求一个矩阵中子矩阵中的最大最小值,让我们回忆一下如何求一段区间内的最大最小值。我们是通过单调队列双端队列实现。但是本题是求子矩阵,是否可以以同样方法实现呢?我们不妨大胆尝试一下,首先我们先求出每行中在矩阵范围内的最值,也就是在这个矩阵范围宽度内的最值。然后再求出每列中在矩阵范围内的最值。最后将结果存储在这个子矩阵的右下角。文字解释太空白让我们直接上代码

代码实现

完整代码如下,下面我会对代码的每一步做详细的讲解

#include <bits/stdc++.h>
//本次单调双端队列应该存储在子矩阵右下角 
using namespace std;
const int N = 1010, mod = 998244353;
deque<int>q;
int yuan[N][N], MAX[N][N], MIN[N][N];
int n, m, a, b;

//实现查找区间内最大值与最小值
void get_max(int a[], int b[], int len,int k)
{
    //将上次的双端队列清零
    q.clear();
    for(int i = 1; i<= len ;i++)
    {

### 蓝桥杯统计子矩阵算法与解题思路 #### 1. 问题概述 蓝桥杯中的“统计子矩阵”问题是经典的动态规划和优化问题之一。题目要求在一个 \(N \times M\) 的矩阵中找到所有可能的子矩阵,这些子矩阵的元素总和不超过给定阈值 \(K\)。 #### 2. 解题方法分析 ##### 方法一:二维前缀和(超时) 通过构建二维前缀和数组来快速计算任意子矩阵的和。设 `prefix[i][j]` 表示从左上角 `(0, 0)` 到右下角 `(i, j)` 子矩阵的元素和,则可以通过如下公式计算: \[ \text{sum}(x_1, y_1, x_2, y_2) = prefix[x_2][y_2] - prefix[x_1-1][y_2] - prefix[x_2][y_1-1] + prefix[x_1-1][y_1-1] \] 这种方法的时间复杂度为 \(O(N^2M^2)\),对于较大的数据规模会超出时间限制[^1]。 ##### 方法二:二维前缀和 + 双指针(AC) 为了降低时间复杂度,可以采用压缩维度的思想。具体步骤如下: 1. **固定上下边界**:枚举两个行号作为子矩阵的上下边界。 2. **按列累加**:将选定范围内的每一列视为一个新的序列,利用一维前缀和加速求和过程。 3. **双指针优化**:在一维序列中应用滑动窗口技术,寻找符合条件的最大连续子段。 此方法的核心在于减少不必要的重复计算,其时间复杂度降为 \(O(N^2M)\)[^2]。 ```python def count_submatrices(matrix, k): n, m = len(matrix), len(matrix[0]) result = 0 for top in range(n): # 枚举上边界 row_sum = [0] * m for bottom in range(top, n): # 枚举下边界 for col in range(m): # 累加当前范围内每列的和 row_sum[col] += matrix[bottom][col] # 使用双指针查找满足条件的子矩阵 current_sum = 0 start = 0 for end in range(m): current_sum += row_sum[end] while start <= end and current_sum > k: current_sum -= row_sum[start] start += 1 if current_sum <= k: result += (end - start + 1) return result ``` 上述代码实现了基于二维前缀和与双指针的方法,能够高效解决该问题[^3]。 #### 3. 单调队列的应用 另一种更高级的技术是使用单调队列处理区间最值问题。首先针对每一行分别预处理出所有区间的最大/最小值,再扩展到整个矩阵的高度方向。最终得到的结果即为所有合法子矩阵的数量[^5]。 --- ###
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