牛客题解 | 【模板】前缀和

题目

题目链接

解题思路

  1. 问题分析:

    • 需要多次查询数组区间和
    • 直接累加会导致时间复杂度 O ( n ∗ q ) \mathcal{O}(n*q) O(nq)
    • 可以使用前缀和优化到 O ( n + q ) \mathcal{O}(n+q) O(n+q)
  2. 前缀和优化:

    • 预处理数组,计算前缀和
    • 对于查询 [ l , r ] [l,r] [l,r],结果为 p r e f i x [ r ] − p r e f i x [ l − 1 ] prefix[r] - prefix[l-1] prefix[r]prefix[l1]
    • 预处理时间 O ( n ) \mathcal{O}(n) O(n),每次查询 O ( 1 ) \mathcal{O}(1) O(1)
  3. 实现要点:

    • 注意前缀和可能超出 int \text{int} int 范围,使用 long long \text{long long} long long
    • 注意输入的下标从 1 1 1 开始

代码

#include <iostream>
#include <vector>
using namespace std;

int main() {
    int n, q;
    cin >> n >> q;
    
    // 读取数组
    vector<long long> prefix(n + 1, 0);  // 前缀和数组,0位置为0
    for(int i = 1; i <= n; i++) {
        int x;
        cin >> x;
        prefix[i] = prefix[i-1] + x;  // 计算前缀和
    }
    
    // 处理查询
    while(q--) {
        int l, r;
        cin >> l >> r;
        cout << prefix[r] - prefix[l-1] << endl;
    }
    
    return 0;
}
import java.util.*;

public class Main {
    public static void main(String[] args) {
        Scanner sc = new Scanner(System.in);
        int n = sc.nextInt();
        int q = sc.nextInt();
        
        // 读取数组并计算前缀和
        long[] prefix = new long[n + 1];
        prefix[0] = 0;  // 0位置为0
        for(int i = 1; i <= n; i++) {
            prefix[i] = prefix[i-1] + sc.nextLong();
        }
        
        // 处理查询
        while(q-- > 0) {
            int l = sc.nextInt();
            int r = sc.nextInt();
            System.out.println(prefix[r] - prefix[l-1]);
        }
        
        sc.close();
    }
}
def main():
    n, q = map(int, input().split())
    
    # 读取数组并计算前缀和
    nums = list(map(int, input().split()))
    prefix = [0] * (n + 1)  # 前缀和数组,0位置为0
    for i in range(n):
        prefix[i + 1] = prefix[i] + nums[i]
    
    # 处理查询
    for _ in range(q):
        l, r = map(int, input().split())
        print(prefix[r] - prefix[l-1])

if __name__ == "__main__":
    main()

算法及复杂度

  • 算法:前缀和
  • 时间复杂度:预处理 O ( n ) \mathcal{O}(n) O(n),查询 O ( 1 ) \mathcal{O}(1) O(1),总体 O ( n + q ) \mathcal{O}(n+q) O(n+q)
  • 空间复杂度: O ( n ) \mathcal{O}(n) O(n),用于存储前缀和数组
### 前缀和算法概述 前缀和是一种用于快速计算数组区间和的技术。其核心思想是预先构建一个辅助数组 `prefix`,其中存储的是原数组从起始位置到当前位置的所有元素之和。这样,在后续查询任意区间的和时,可以通过简单的减法操作完成,而无需重复遍历整个区间。 定义如下: 给定数组 `arr` 的长度为 `n`,则前缀和数组 `prefix[i]` 表示从索引 0 到 i 所有元素的累加和[^1]: ```python prefix[0] = arr[0] for i in range(1, n): prefix[i] = prefix[i-1] + arr[i] ``` 通过上述方式预处理后,对于任何区间 `[l, r]` 的求和问题,可以直接利用公式 `sum(l, r) = prefix[r] - prefix[l-1]` 来高效解决(注意边界条件)。这种方法的时间复杂度为 O(n),而在多次查询的情况下效率显著提升。 --- ### 网上的前缀和相关题目及解析 网上提供了大量关于前缀和的应用场景练习题,帮助学习者深入理解这一概念并灵活运用它解决问题。以下是几个典型的例子及其解决方案简介[^3]: #### 题目一:子数组的最大平均数 I (LeetCode改编) **描述**: 给定整型数组 nums 和正整数 k ,找出该数组中连续 k 个数字组成的子数组最大可能的平均值是多少? **思路**: 使用滑动窗口配合前缀和技巧来优化时间性能。 实现代码片段如下所示: ```python def findMaxAverage(nums, k): prefix_sum = [0]*(len(nums)+1) for i in range(len(nums)): prefix_sum[i+1]=prefix_sum[i]+nums[i] max_avg=float('-inf') for j in range(k,len(prefix_sum)): current_window=(prefix_sum[j]-prefix_sum[j-k])/k if(current_window>max_avg): max_avg=current_window return max_avg ``` 此方法避免了每次重新计算窗口内的总和,从而提高了运行速度。 --- ### 更多资源推荐 除了实际编码训练外,还可以参考一些理论性的文章加深认识。例如,《算法设计手册》提到过类似的累积计数策略可用于更广泛的组合数学领域;另外像力扣官方博也有专门章节讲解动态规划与线性扫描相结合的最佳实践案例分享[^2]。 ---
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