未排序数组中累加和为给定值的最长子数组

本文介绍了一种高效算法来寻找一个整数数组中最长的子数组,该子数组的元素之和等于给定的目标值K。通过三种不同的解法逐步优化,最终采用哈希表实现O(n)的时间复杂度。

注意数组元素可正可负,给定值设为k,求其和为K的最长子数组长度

解法1:

       最笨的方法,穷举所有子数组,每次穷举到特定子数组时候,把子数组元素都加起来,设立length,然后维持该length,时间复杂度O(N^3)

解法2:

     使用前缀和数组,比如数组a[10],设置help数组,help[i]代表a[0]+a[1]+```+a[i],这样,在穷举到某个特定数组时候,假设该区间左端为i,右端为j,则不用再麻烦的去累加,直接计算help[j]-help[i]-1就可以啦  时间复杂度为O(n^2)

解法3:

      根据第二种解法,我们可以考虑使用hash表,怎么用呢?

      首先我们可以把穷举子数组(O(n^2)复杂度)简化,比如对于元素a[i],我们可以找以a[i]为结尾的最长子数组,找以a[i+1]为结尾的最长子数组, 比较n次,就可以找到啦。

     其次,我们如何找以a[i]为结尾的最长子数组呢,最笨的办法好像还是从头开始,穷举,a[0]````a[i]    a[1]````a[i]  a[2]`````a[i],这样看来好像和方法2没什么多大的进步,但是其实这个过程是可以用O(1)解决的,怎么解决,那就是哈希表喽

     我们先遍历一个元素时候,会得出一个值sum,这个值得含义是从a【0】加到该元素,我们先设想有该元素,然后我们可以知道,哦哦,既然加到现在是sum,那么如果后面某一段值为k,前一段值为sum-k,并且我们知道了sum-k的长度,我们岂不可以得知和为k这一段的长度啦?于是乎我们就找,在哈希表中是否有key为sum-k,值为index下标的元素,如果有,那证明大功告成,因为哈希表中存储key,肯定代表是“从左边开始第一次加到key”,而不会是再加5,再加-5这样的又变成key这样的情况,这样,既然我们保证了加到sum-k的区间长度最短,就可以保障后面和为k的区间长度最长,维持一个len变量就可以了。

#include<iostream>
#include <hash_map>
#include <algorithm>
using namespace std;
//给定一个无序数组,并给定k值,找出其中最长的和等于k的子数组,输出其长度 注意,数组元素可正可负
//要求空间复杂度为O(n),时间复杂度为O(n)
int a[]={1,2,3,3};
int k=6;
int findArray(int len)
{
	int ret=0;
	int i,sum=0;
	hash_map<int,int> mymap;
    mymap[0]=-1;
	for(i=0;i<len;i++)
	{
	  sum+=a[i];
	  if(mymap.find(sum-k)!=mymap.end())
	  {
		  ret=max(ret,i-mymap.find(sum-k)->second);
	  }
	  else
	  {
	      mymap[sum]=i;
	  }
	}
	return ret;

}

int main()
{
	cout<<findArray(4)<<endl;
  return 0;
}


     

<think>嗯,用户想用C++和树状数组实现长不降子序列的算法。首先,我得回忆一下长不降子序列(LIS)的常规解法。通常有两种方法,一种是动态规划O(n²),另一种是贪心加二分O(n log n)。但是用户提到要用树状数组,所以可能需要结合离散化和树状数组优化。 首先,树状数组常用于处理前缀和、区间查询等问题。而LIS问题中,我们需要维护一个数组,记录以每个元素结尾的长子序列长度。如果用树状数组的话,可能需要将元素的值离散化,因为原始数值可能很大,不适合直接作为索引。 那具体步骤应该是怎样的呢?比如,处理输入数组,将其离散化,然后遍历每个元素,查询当前元素在离散化后的位置对应的大值,然后更新树状数组。这样,每次查询和更新都是O(log n)的时间复杂度,整体复杂度应该能降到O(n log n)。 然后,离散化的过程需要注意重复元素的问题,因为长不降子序列允许非降序,所以离散化时要保留原始的顺序,可能需要稳定排序或者处理相同值时保持原序。 接下来,树状数组的设计。通常树状数组用于求和,但这里需要维护的是大值。所以需要将树状数组的更新和查询操作改为取大值。也就是说,每个节点存储的是该区间内的大值,而不是和。 然后,具体实现的时候,遍历数组中的每个元素,找到其在离散化后的排名,查询树状数组中排名-1的位置的大值,加上1就是当前元素的长序列长度。然后更新树状数组在该排名处的值。 需要确认离散化是否正确处理了相等的情况,比如相等的元素应该被映射到相邻的排名,或者在查询时允许等于的情况。比如,在查询时,应该查询小于等于当前值的长度,这样在更新的时候才能正确累积。 可能还需要考虑是否需要稳定排序,或者在离散化时处理相同值的顺序。比如,使用排序后的数组去重,但保留原始的顺序,这样每个元素可以映射到对应的排名。 然后,具体的C++代码实现。需要包括离散化的步骤,树状数组的结构,以及主函数中的处理逻辑。例如,使用vector保存原始数组排序并去重得到离散化后的索引,然后使用lower_bound或upper_bound来获取每个元素的排名。注意这里如果是非降序,可能需要使用upper_bound来允许相等的元素。 此外,树状数组的更新和查询操作需要调整为处理大值。比如,update函数在更新时比较并取大值,而不是累加。query函数则是查询前缀中的大值。 后,测试一下这个算法是否正确。例如,给定一个测试用例,比如输入数组是{3, 1, 4, 1, 5, 9, 2, 6},离散化后的排名应该是处理后的索引,然后逐步计算每个位置的长度,并更新树状数组终得到的长不降子序列长度是否正确。 可能遇到的问题包括离散化错误导致索引越界,或者树状数组的更新逻辑不正确,比如没有正确处理大值,而是求和导致结果错误。这时候需要仔细检查树状数组的update和query函数。 另外,注意树状数组的大小应该等于离散化后的大值加1,以避免索引超出范围。比如离散化后的元素范围是1到m,那么树状数组的大小应该是m+1。 总结一下,步骤应该是: 1. 离散化原数组,将元素映射到排名。 2. 初始化树状数组,用于维护大值。 3. 遍历原数组每个元素,找到其离散化后的排名。 4. 查询树状数组中1到该排名的大值,加1作为当前元素的长度。 5. 更新树状数组在该排名处的值为这个新长度。 6. 终,树状数组中的大值即为LIS的长度。 这样应该就能用树状数组在O(n log n)的时间复杂度内解决问题了。</think>### 使用C++和树状数组实现长不降子序列算法 #### 算法思路 长不降子序列(Longest Non-Decreasing Subsequence, LNDS)的树状数组解法基于以下步骤: 1. **离散化**:将原序列元素映射为压缩后的排名,解决值域过大问题[^3] 2. **树状数组维护大值**:树状数组每个节点存储对应区间内的大LNDS长度 3. **动态更新**:遍历元素时查询小于等于当前值的长度,并更新树状数组 #### 实现步骤 1. **离散化处理** ```cpp vector<int> discretization(vector<int>& nums) { vector<int> sorted(nums); sort(sorted.begin(), sorted.end()); sorted.erase(unique(sorted.begin(), sorted.end()), sorted.end()); for (int& num : nums) num = lower_bound(sorted.begin(), sorted.end(), num) - sorted.begin() + 1; return sorted; } ``` 2. **树状数组类(大值版本)** ```cpp class FenwickTree { private: vector<int> tree; public: FenwickTree(int size) : tree(size + 1, 0) {} void update(int idx, int value) { while (idx < tree.size()) { tree[idx] = max(tree[idx], value); idx += idx & -idx; } } int query(int idx) { int res = 0; while (idx > 0) { res = max(res, tree[idx]); idx -= idx & -idx; } return res; } }; ``` 3. **主算法实现** ```cpp int lengthOfLNDS(vector<int>& nums) { if (nums.empty()) return 0; discretization(nums); int maxRank = *max_element(nums.begin(), nums.end()); FenwickTree ft(maxRank); int res = 0; for (int num : nums) { int current = ft.query(num) + 1; res = max(res, current); ft.update(num, current); } return res; } ``` #### 算法分析 - **时间复杂度**:$O(n \log n)$,包含离散化$O(n \log n)$和树状数组操作$O(n \log n)$ - **空间复杂度**:$O(n)$,树状数组大小与离散化后的值域相关[^1] - **优化点**:通过离散化压缩值域,利用树状数组高效维护区间大值 #### 测试样例 输入:`[3, 1, 4, 1, 5, 9, 2, 6]` 离散化后排名:`[3, 1, 4, 1, 5, 6, 2, 7]` 输出:4(长序列如`[1, 4, 5, 6]`)
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