蓝桥杯每日一题:统计子矩阵

文章讨论了通过计算矩阵的前缀和并运用滑动窗口技术,寻找所有和不超过给定值K的子矩阵数量的解题策略。

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

题目来源:第十三届蓝桥杯软件赛省赛 B组

给定一个 N × M N \times M N×M 的矩阵 A A A , 请统计有多少个子矩阵 (最小 1 × 1 1\times 1 1×1, 最大 N × M N \times M N×M) 满足子矩阵中所有数的和不超过给定的整数 K K K ?

输入 : 第一行包括三个整数 N , M N, M N,M K K K

之后 N N N 行包含 M M M 个整数, 代表矩阵 A A A

输出 : 一个整数代表答案

Input Sample :

3 4 10

1 2 3 4

5 6 7 8

9 10 11 12

Output Sample :

19

思路: 前缀和 + 滑动窗口

我最开始考虑的方法是 二维前缀和, 因为这是一个二维矩阵, 但后续发现用二维前缀和会tle. 看了题解思路才知道其实可以变成一位前缀和, 只统计纵向的前缀和, 然后用滑动窗口找到合适的区间

下面给出题解代码, 请注重思考, 不要无脑cv

#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
const int maxn = 505;
int a[maxn][maxn];
ll ans = 0;

void io() {
	cin.tie(0);
	cout.tie(0);
	ios::sync_with_stdio(false);
}

int main() {
	io();
	int n, m, k;
	cin >> n >> m >> k;
	for (int i = 1; i <= n; i++) {
		for (int j = 1; j <= m; j++) {
			cin >> a[i][j];
			a[i][j] += a[i - 1][j];
		}
	}

	for (int i = 1; i <= n; i++) {
		for (int j = i; j <= n; j++) {
			int l = 1, sum = 0;
			for (int r = 1; r <= m; r++) {
				sum += a[j][r] - a[i - 1][r];
				while (sum > k) {
					sum -= a[j][l] - a[i - 1][l];
					l++;
				}
				ans += r - l + 1;
			}
		}
	}
	cout << ans << '\n';
	return 0;
}
### 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 1
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