子矩阵 单调队列

NKOJ 3681 子矩阵

问题描述

小 A 有一个 N×M 的矩阵,矩阵中 1~N*M 这(N*M)个整数均出现过一次。 现在小 A 在这个矩阵内选择一个子矩阵,其权值等于这个子矩阵中的所有数的最 小值。小 A 想知道,如果他选择的子矩阵的权值为 i(1<=i<=N×M),那么他选择 的子矩阵可能有多少种?小 A 希望知道所有可能的 i 值对应的结果,但是这些结 果太多了,他算不了,因此他向你求助。

输入格式

第一行,两个整数 N,M。
接下来的 N 行,每行 M 个整数,表示矩阵中的元素。

输出格式

N×M 行,每行一个整数,其中第 i 行的整数表示如果小 A 选择的子矩阵权 值为 i,他选择的子矩阵的种类数。

数据范围

对于 30%的数据,1<=N,M<=50;
对于全部的数据,1<=N,M<=300。


首先说说 O(N2M2) 的暴力做法:

考虑固定矩阵左上角,如何求出以该点为左上角的所有矩阵的权值?令 f[i][j] 表示以当前左上角, (i,j) 为右上角构成的矩形的权值,那么有递推关系:

f[i][j]=min(f[i1][j],f[i][j1],Map[i][j])

对于一个固定的左上角,求出所有矩阵的权值的时间复杂度为 O(NM) 。左上角一共讨论 O(NM) 个,所以总时间复杂度 O(N2M2)


正解:

从权值的角度考虑。固定矩阵上下边界后,如何求某一权值的矩形有多少个?那么首先要找到当前权值的点在哪里。显然,当遇到左边第一个权值小于它的矩形就停止,这样就找到了它的左边界。右边界同理。这样的话,以该上下边界的矩阵个数为 (Right[k]k+1)(kLeft[k]+1)

以某点为中心,找左右边界的操作可以通过单调队列(单调栈)用 O(M) 解决。枚举上下边界的时间复杂度是 O(N2) ,总时间复杂度 O(N2M) 。当然也可以是 O(NM2)


#include<stdio.h>
#define min(x,y) ((x<y)?(x):(y))

int N,M,Min[305],Ans[90005],Map[305][305],Q[305],tail,L[90005],R[90005];

int main()
{
    int i,j,k;

    scanf("%d%d",&N,&M);
    for(i=1;i<=N;i++)
    for(j=1;j<=M;j++)scanf("%d",&Map[i][j]);

    for(i=1;i<=N;i++)
    {
        for(j=1;j<=M;j++)Min[j]=1e9;
        for(j=i;j<=N;j++)
        {
            for(k=1;k<=M;k++)Min[k]=min(Min[k],Map[j][k]);
            tail=0;
            for(k=1;k<=M;k++)
            {
                while(tail&&Min[Q[tail]]>Min[k])
                {
                    R[Q[tail]]=k-1;
                    tail--;
                }
                Q[++tail]=k;
            }
            while(tail)R[Q[tail]]=M,tail--;
            for(k=M;k>=1;k--)
            {
                while(tail&&Min[Q[tail]]>Min[k])
                {
                    L[Q[tail]]=k+1;
                    tail--;
                }
                Q[++tail]=k;
            }
            while(tail)L[Q[tail]]=1,tail--;
            for(k=1;k<=M;k++)Ans[Min[k]]+=(R[k]-k+1)*(k+1-L[k]);
        }
    }

    for(i=1;i<=N*M;i++)printf("%d\n",Ans[i]);
}
### 蓝桥杯统计子矩阵的算法与解题思路 #### 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 \(N \times M\)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
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