原理
单调队列解决的问题的基本模型是滑动窗口问题,也就是给一个数组和一个窗口大小,从左面滑到最右面,问每次滑动的区间最大值和最小值
- 这里只用语言简单描述一下,具体画图可以参考https://zhuanlan.zhihu.com/p/346354943
- 如果是维护区间最大值,用一个双端队列,我们的目的是让队尾元素为区间最大值,每次入队的时候把所有队首元素比当前还小的全部弹出,然后把这个元素放在队首,同时检查队尾元素是否已经超出了窗口,如果超出了窗口,那么全部弹出,最后得到队尾元素就是区间最大值,这也就是所谓的如果有一个人比你还大比你还弱,那么那个人就可以退役了,如果维护区间最小值同理
例题
https://www.luogu.com.cn/problem/P1886
- 滑动窗口求区间最大值和最小值
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
struct st{
int id;
int val;
};
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, k;
cin >> n >> k;
vector<st> a(n);
for(int i=0;i<n;i++){
cin >> a[i].val;
a[i].id = i;
}
deque<int> q;
for(int i=0;i<n;i++){
while(!q.empty() && a[q.front()].val >= a[i].val) q.pop_front();
q.push_front(a[i].id);
while(a[q.back()].id <= (i - k)) q.pop_back();
if(i >= k - 1) cout << a[q.back()].val << ' ';
}
cout << '\n';
q.resize(0);
for(int i=0;i<n;i++){
while(!q.empty() && a[q.front()].val <= a[i].val) q.pop_front();
q.push_front(a[i].id);
while(a[q.back()].id <= (i - k)) q.pop_back();
if(i >= k - 1) cout << a[q.back()].val << ' ';
}
return 0;
}
https://www.luogu.com.cn/problem/P2216
在一个大区域中求一个子区域,使得这个子区域中的最大值和最小值的差最小,求这个值
- 从行来看,一个固定大小的子区域相当于一个滑动窗口,我们可以横向求出滑动窗口内部的最小值和最大值
- 这样以后,我么按照列方向对行方向求出的矩阵再做两次滑动窗口,得到的答案就是一个区域的最大值和最小值,不难理解
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int a, b, n;
cin >> a >> b >> n;
vector<vector<int> > mp(a, vector<int>(b));
vector<vector<int> > mxx(a, vector<int>(b));
vector<vector<int> > mxy(a, vector<int>(b));
vector<vector<int> > mnx(a, vector<int>(b));
vector<vector<int> > mny(a, vector<int>(b));
for(int i=0;i<a;i++){
for(int j=0;j<b;j++){
cin >> mp[i][j];
}
}
vector<int> S(max(a, b));
for(int i=0;i<a;i++){
deque<int> q1, q2;
for(int j=0;j<b;j++){
while(!q1.empty() && mp[i][j] > mp[i][q1.front()]){
q1.pop_front();
}
q1.push_front(j);
while(j - q1.back() >= n) q1.pop_back();
if(j >= n - 1) mxx[i][j] = mp[i][q1.back()];
while(!q2.empty() && mp[i][j] < mp[i][q2.front()]){
q2.pop_front();
}
q2.push_front(j);
while(j - q2.back() >= n) q2.pop_back();
if(j >= n - 1) mnx[i][j] = mp[i][q2.back()];
}
}
for(int j=0;j<b;j++){
deque<int> q1, q2;
for(int i=0;i<a;i++){
while(!q1.empty() && mxx[i][j] > mxx[q1.front()][j]){
q1.pop_front();
}
q1.push_front(i);
while(i - q1.back() >= n) q1.pop_back();
if(i >= n - 1) mxy[i][j] = mxx[q1.back()][j];
while(!q2.empty() && mnx[i][j] < mnx[q2.front()][j]){
q2.pop_front();
}
q2.push_front(i);
while(i - q2.back() >= n) q2.pop_back();
if(i >= n - 1) mny[i][j] = mnx[q2.back()][j];
}
}
int ans = 0x7fffffff;
for(int i=n-1;i<a;i++){
for(int j=n-1;j<b;j++){
ans = min(ans, mxy[i][j] - mny[i][j]);
}
}
cout << ans;
return 0;
}
优化DP
https://www.luogu.com.cn/problem/P2034
- 用
d
p
[
i
]
[
0
/
1
]
dp[i][0/1]
dp[i][0/1]表示第
i
i
i个物品选或者不选所能达到的数字之和的最大值,
s
u
m
[
i
]
sum[i]
sum[i]表示前缀和,因为不能有超过
k
k
k个连续的数字被选择,所以转移方程显然为
{
d
p
[
i
]
[
0
]
=
m
a
x
(
d
p
[
i
−
1
]
[
0
]
,
d
p
[
i
−
1
]
[
1
]
d
p
[
i
]
[
1
]
=
m
a
x
(
d
p
[
i
]
[
1
]
,
d
p
[
j
]
[
0
]
+
s
u
m
[
i
]
−
s
u
m
[
j
]
)
,
i
−
k
≤
j
≤
i
\left\{ \begin{aligned} dp[i][0] & =max(dp[i-1][0],dp[i-1][1]\\ dp[i][1] & =max(dp[i][1],dp[j][0]+sum[i]-sum[j]),i-k\leq j\leq i \end{aligned} \right.
{dp[i][0]dp[i][1]=max(dp[i−1][0],dp[i−1][1]=max(dp[i][1],dp[j][0]+sum[i]−sum[j]),i−k≤j≤i
但这样第二行的时间复杂度是 O ( n 2 ) O(n^2) O(n2),考虑优化,因为 i − k ≤ j ≤ i i-k\leq j\leq i i−k≤j≤i,我们只需要找到使得 d p [ j ] [ 0 ] − s u m [ j ] dp[j][0]-sum[j] dp[j][0]−sum[j]最大的情况即可,使用单调队列维护它的最大值,使之处于队首,队列内部元素的 d p [ j ] [ 0 ] − s u m [ j ] dp[j][0]-sum[j] dp[j][0]−sum[j]是单调递减的
#include <bits/stdc++.h>
using namespace std;
typedef long long ll;
int main(){
ios::sync_with_stdio(false);
cin.tie(0);
cout.tie(0);
int n, k;
cin >> n >> k;
vector<ll> a(n + 1), sum(n + 1);
for(int i=1;i<=n;i++){
cin >> a[i];
sum[i] = sum[i - 1] + a[i];
}
vector<vector<ll> > dp(n + 1, vector<ll>(2));
deque<int> q;
q.push_back(0);
for(int i=1;i<=n;i++){
dp[i][0] = max(dp[i - 1][0], dp[i - 1][1]);
while(!q.empty() && i - k > q.front()) q.pop_front();
dp[i][1] = dp[q.front()][0] - sum[q.front()] + sum[i];
while(!q.empty() && sum[i] - dp[i][0] < sum[q.back()] - dp[q.back()][0]) q.pop_back();
q.push_back(i);
}
cout << max(dp[n][0], dp[n][1]);
return 0;
}
单调队列优化DP详解
本文介绍了单调队列原理及其在滑动窗口问题中的应用,包括区间最大值和最小值的求解,并通过实例展示了如何利用单调队列优化动态规划算法,减少时间复杂度。
1063

被折叠的 条评论
为什么被折叠?



