备战蓝桥杯国赛【Day 4】

news2026/5/8 8:06:47
前置知识速查如果你还不熟悉差分数组记住这两个公式一维区间[l,r]加x→diff[l]x,diff[r1]-x二维子矩阵(x1,y1)到(x2,y2)加x→ 四角容斥左上, 右上-, 左下-, 右下例题 1区间更新蓝桥云课 P3291项目内容链接https://www.lanqiao.cn/problems/3291/learning/时间限制1s空间限制256MB数据范围n,m 10^5多组数据题目描述给定长度为n的数组a[1..n]执行m次操作。每次操作给定x,y,z将下标x到y包含的所有元素加上z。最后输出整个数组。输入格式n m a[1] a[2] ... a[n] x1 y1 z1 x2 y2 z2 ... xm ym zm输出格式一行n个整数表示最终数组。样例输入5 2 1 3 5 6 7 2 4 5 1 3 2输出3 10 12 13 9解题思路暴力做法每次操作遍历[x,y]区间时间复杂度O(m×n)会TLE。差分优化构建差分数组diff[i] a[i] - a[i-1]每次区间修改转化为两个单点修改O(1)最后前缀和还原O(n)总复杂度O(n m)完整代码whileTrue:try:n,mmap(int,input().split())alist(map(int,input().split()))# 差分数组 前端、后端1 操作diff[0]*(n1)diff[0]a[0]foriinrange(1,n):diff[i]a[i]-a[i-1]# 进行m次操作for_inrange(m):x,y,zmap(int,input().split())x-1diff[x]z diff[y]-z# 先对起始点更新a[0]diff[0]foriinrange(1,n):a[i]a[i-1]diff[i]print( .join(map(str,a)))except:break关键细节注意点说明0-based转换题目是1-based代码中用0-based更方便diff多开一位diff[n]作为哨兵防止y1越界快读sys.stdin.read()处理多组大数据避免TLE例题 2航班预订统计LeetCode 1109项目内容链接https://leetcode.cn/problems/corporate-flight-bookings/难度 简单标签数组、差分、前缀和题目描述有n个航班编号1到n。给定bookings[i] [first_i, last_i, seats_i]表示预订从first_i到last_i包含的每个航班seats_i个座位。返回长度为n的数组第i个元素表示航班i预订的座位总数。样例输入bookings [[1,2,10],[2,3,20],[2,5,25]], n 5输出[10, 55, 45, 25, 25]解题思路航班编号从1开始数组下标从0开始需要-1转换。diff长度设为n1diff[n]作为哨兵处理last n的情况。完整代码fromtypingimportListclassSolution:defcorpFlightBookings(self,bookings:List[List[int]],n:int)-List[int]:# diff[i] 表示第 i 个航班相比前一个航班的座位增量diff[0]*(n1)# 多开一位diff[n]是哨兵forfirst,last,seatsinbookings:# 航班编号从1开始转0-baseddiff[first-1]seats# 区间起点从此处开始增加diff[last]-seats# 区间终点后一位从此处抵消# 前缀和还原求每个航班的实际座位数res[0]*n res[0]diff[0]foriinrange(1,n):res[i]res[i-1]diff[i]returnres复杂度分析指标复杂度说明时间O(n m)m为 bookings 数量一次遍历修改 一次前缀和空间O(n)diff 数组 结果数组推演验证bookings [[1,2,10], [2,3,20], [2,5,25]], n5 初始: diff [0, 0, 0, 0, 0, 0] 操作 [1,2,10]: diff[0] 10 → [10, 0, 0, 0, 0, 0] diff[2] - 10 → [10, 0, -10, 0, 0, 0] 操作 [2,3,20]: diff[1] 20 → [10, 20, -10, 0, 0, 0] diff[3] - 20 → [10, 20, -10, -20, 0, 0] 操作 [2,5,25]: diff[1] 25 → [10, 45, -10, -20, 0, 0] diff[5] - 25 → [10, 45, -10, -20, 0, -25] 前缀和还原: res[0] 10 res[1] 10 45 55 res[2] 55 (-10) 45 res[3] 45 (-20) 25 res[4] 25 0 25 结果: [10, 55, 45, 25, 25] ✓同类对比题目与本题区别例题1区间更新需要处理多组输入初始数组非零拼车LC1094区间是左闭右开需要边还原边判断例题 3拼车LeetCode 1094项目内容链接https://leetcode.cn/problems/car-pooling/难度 中等标签数组、差分、排序题目描述车上有capacity个空座位只能单向行驶。trips[i] [numPassengers_i, from_i, to_i]表示在from_i接上numPassengers_i人在to_i放下。判断能否在不超载的情况下完成所有行程。样例输入trips [[2,1,5],[3,3,7]], capacity 4输出false解释在位置3时车上有 235 人超过容量4。解题思路关键细节区间是左闭右开[from, to)乘客在to位置已经下车所以diff[to] - num。优化数据范围0 from_i to_i 1000可以直接开大小为1001的数组。边还原边判断不需要存储完整结果。完整代码fromtypingimportListclassSolution:defcarPooling(self,trips:List[List[int]],capacity:int)-bool:# 根据数据范围最大位置是1000diff[0]*1001fornum,from_i,to_iintrips:diff[from_i]num# 上车diff[to_i]-num# 下车开区间to位置已下车# 求前缀和模拟每个位置车上的人数current0foriinrange(1001):currentdiff[i]# current 表示位置 i 时车上的人数ifcurrentcapacity:returnFalsereturnTrue复杂度分析指标复杂度说明时间O(max_location len(trips))max_location 1000空间O(max_location)固定1001大小推演验证trips [[2,1,5], [3,3,7]], capacity 4 diff 数组变化只显示非零位置: 位置: 0 1 2 3 4 5 6 7 diff: 0 2 0 3 0 -2 0 -3 模拟过程: i0: current 0 0 0, 0 4 ✓ i1: current 0 2 2, 2 4 ✓ i2: current 2 0 2, 2 4 ✓ i3: current 2 3 5, 5 4 ✗ → 返回 False关键易错点错误写法正确写法原因diff[to_i 1] - numdiff[to_i] - num区间是左闭右开to_i位置已经下车先还原整个数组再判断边还原边判断可以提前返回且节省空间例题 4差分矩阵AcWing 798项目内容链接https://www.acwing.com/problem/content/800/难度 中等标签二维差分、前缀和题目描述输入一个n行m列的整数矩阵再输入q个操作每个操作包含五个整数x1, y1, x2, y2, c表示将子矩阵(x1,y1)到(x2,y2)内的所有元素加上c。输出最终矩阵。输入格式n m q a[1][1] a[1][2] ... a[1][m] ... a[n][1] a[n][2] ... a[n][m] x1 y1 x2 y2 c ...输出格式n行每行m个整数。样例输入3 4 3 1 2 2 1 3 2 2 1 1 1 1 1 1 1 2 2 1 1 3 2 3 2 3 1 3 4 1输出2 3 4 1 4 3 4 1 2 2 2 2解题思路二维差分模板题。核心公式构建二维差分diff[i][j] a[i][j] - a[i-1][j] - a[i][j-1] a[i-1][j-1]子矩阵修改(x1,y1)到(x2,y2)加cdiff[x1][y1] c diff[x1][y21] - c diff[x21][y1] - c diff[x21][y21] c二维前缀和还原a[i][j] a[i-1][j] a[i][j-1] - a[i-1][j-1] diff[i][j]完整代码defsolve():n,m,qmap(int,input().split())# 下标从1开始多开一圈防止越界a[[0]*(m2)for_inrange(n2)]diff[[0]*(m2)for_inrange(n2)]# 读入矩阵foriinrange(1,n1):rowlist(map(int,input().split()))forjinrange(1,m1):a[i][j]row[j-1]# 构建二维差分数组foriinrange(1,n1):forjinrange(1,m1):diff[i][j]a[i][j]-a[i-1][j]-a[i][j-1]a[i-1][j-1]# q次操作for_inrange(q):x1,y1,x2,y2,cmap(int,input().split())diff[x1][y1]c diff[x1][y21]-c diff[x21][y1]-c diff[x21][y21]c# 二维前缀和还原同时输出foriinrange(1,n1):forjinrange(1,m1):diff[i][j]diff[i-1][j]diff[i][j-1]-diff[i-1][j-1]print(diff[i][j],end )print()solve()复杂度分析指标复杂度说明时间O(n×m q)构建差分O(nm) q次操作O(q) 还原O(nm)空间O(n×m)两个(n2)×(m2)的二维数组推演验证初始矩阵a1 2 2 1 3 2 2 1 1 1 1 1操作1(1,1)到(2,2)加 1操作2(1,3)到(2,3)加 2操作3(3,1)到(3,4)加 1diff 构建过程初始 diff构建后: i1: [0, 1, 1, 0, -1] (1-0-001, 2-0-101, 2-0-101, 1-0-20-1) i2: [0, 2, 0, 0, -1] (3-1-002, 2-1-111? 需要重新算...) 详细计算 diff[i][j] a[i][j] - a[i-1][j] - a[i][j-1] a[i-1][j-1]: diff[1][1] 1-0-00 1 diff[1][2] 2-0-10 1 diff[1][3] 2-0-20 0 diff[1][4] 1-0-20 -1 diff[2][1] 3-1-00 2 diff[2][2] 2-2-31 -2? 不对a[2][2]2, a[1][2]2, a[2][1]3, a[1][1]1 2 - 2 - 3 1 -2 diff[2][3] 2-2-22 0 diff[2][4] 1-1-22 0 diff[3][1] 1-3-00 -2 diff[3][2] 1-2-13 1 diff[3][3] 1-2-12 0 diff[3][4] 1-1-12 1操作后的 diff操作1 (1,1)-(2,2)1: diff[1][1]1, diff[1][3]-1, diff[3][1]-1, diff[3][3]1 操作2 (1,3)-(2,3)2: diff[1][3]2, diff[1][4]-2, diff[3][3]-2, diff[3][4]2 操作3 (3,1)-(3,4)1: diff[3][1]1, diff[3][5]-1(越界忽略), diff[4][1]-1, diff[4][5]1由于手算较复杂直接信任代码输出与样例一致[2,3,4,1], [4,3,4,1], [2,2,2,2]关键易错点错误正确后果下标从0开始下标从1开始边界判断复杂容易越界数组大小n×m数组大小(n2)×(m2)x21或y21越界还原时修改原数组a还原时修改diff自身如果还需要原数组会丢失数据例题 5字母移位 IILeetCode 2381项目内容链接https://leetcode.cn/problems/shifting-letters-ii/难度 中等标签差分、字符串、前缀和题目描述给定字符串s下标从0开始和shifts[i] [start, end, direction]direction 1字母向后移1位a→b,z→adirection 0字母向前移1位b→a,a→z返回所有操作后的字符串。样例输入s abc, shifts [[0,1,0],[1,2,1],[0,2,1]]输出ace解题思路差分记录偏移量不是直接改字符最后统一计算。注意后移 1前移 -1最终偏移可能很大对26取模负数取模((num % 26) 26) % 26或直接num % 26Python支持负数取模完整代码fromtypingimportListclassSolution:defshiftingLetters(self,s:str,shifts:List[List[int]])-str:nlen(s)diff[0]*(n1)# 差分数组记录偏移量forstart,end,directioninshifts:delta1ifdirection1else-1diff[start]delta diff[end1]-delta# 前缀和得到每个位置的实际偏移再计算字符res[]offset0foriinrange(n):offsetdiff[i]# 计算新字符# ord(s[i]) - ord(a) 得到 0-25 的数字# 加上偏移对26取模再转回字符num(ord(s[i])-ord(a)offset)%26res.append(chr(numord(a)))return.join(res)复杂度分析指标复杂度说明时间O(n m)m为 shifts 数量空间O(n)diff 数组 结果字符串推演验证s abc, shifts [[0,1,0],[1,2,1],[0,2,1]] 初始: diff [0, 0, 0, 0] 操作1 [0,1,0] (前移, delta-1): diff[0] -1 → -1 diff[2] - -1 → 1 diff: [-1, 0, 1, 0] 操作2 [1,2,1] (后移, delta1): diff[1] 1 → 1 diff[3] - 1 → -1 diff: [-1, 1, 1, -1] 操作3 [0,2,1] (后移, delta1): diff[0] 1 → 0 diff[3] - 1 → -2 diff: [0, 1, 1, -2] 前缀和求偏移: i0: offset 0, a 0 a i1: offset 0 1 1, b 1 c i2: offset 1 1 2, c 2 e (c→d→e) 结果: ace ✓关键易错点错误正确后果直接修改字符先存偏移量再统一计算多次操作叠加时逻辑混乱diff[end] - deltadiff[end 1] - delta区间闭合错误忽略负数取模(x % 26 26) % 26Python中%26对负数也有效但其他语言需注意 今日心得差分的本质是记录变化量不存绝对值存增量最后统一求和二维差分记住四角公式左上、右上-、左下-、右下本质是容斥下标从1开始能救命二维问题中下标从1开始可以避免大量边界判断多开一圈数组一维多开1位二维多开1圈防止r1越界

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2590756.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…