C++前缀和

个人主页:[PingdiGuo_guo]

收录专栏:[C++干货专栏]

大家好,今天我们来了解一下C++的一个重要概念:前缀和

目录

1.什么是前缀和

2.前缀和的用法

1.前缀和的定义

2.预处理前缀和数组

3.查询区间和

4.数组中某个区间的和是否为特定值

5.数组中连续子数组的和的最大值

6.数组中连续子数组的和的最小值

7.举例

3.总结


1.什么是前缀和

C++前缀和是一种常用的算法,用于解决求解区间和问题。前缀和数组是一个长度为n的数组,其中第i个元素代表原始数组从下标0到下标i的元素之和。通过预先计算前缀和数组,可以在O(1)的时间复杂度内求解任意区间的和。

前缀和算法的基本思想是利用动态规划的思想,通过累加计算出每一个位置的前缀和。具体实现时,可以对原始数组进行一次遍历,累加计算出前缀和数组的每一个元素。

2.前缀和的过程

1.文字

前缀和它的基本思想是通过提前计算数组的前缀和,可以在O(1)的时间复杂度内求解任意子数组的和。下面我用文字详细描述前缀和的过程,并用表格举例演示。

1. 首先,我们定义一个数组,假设数组为arr,长度为n。我们需要额外定义一个长度为n+1的数组prefix_sum,用于存储arr数组的前缀和。

2. 计算前缀和的过程如下:
   - 首先,初始化prefix_sum[0]为0,表示arr的前0个元素的和为0。
   - 然后,从1开始遍历数组arr,逐个计算每个位置的前缀和,即prefix_sum[i] = prefix_sum[i-1] + arr[i-1]。

3. 最终,prefix_sum中存储了arr数组的前缀和,prefix_sum[i]表示arr前i个元素的和。

2.图示

下面通过一个具体的例子来说明前缀和的计算过程:

假设arr = [1, 2, 3, 4, 5],长度为5,我们要计算其前缀和。

| arr索引 | 元素值 | 前缀和计算过程           | prefix_sum值 |
|---------|--------|-------------------------|--------------|
| 0       | 1      | prefix_sum[0] = 0 + 1    | 1            |
| 1       | 2      | prefix_sum[1] = 1 + 2    | 3            |
| 2       | 3      | prefix_sum[2] = 3 + 3    | 6            |
| 3       | 4      | prefix_sum[3] = 6 + 4    | 10           |
| 4       | 5      | prefix_sum[4] = 10 + 5   | 15           |

通过这个表格,我们可以看到prefix_sum数组中存储了arr数组的前缀和。这样,在求解任意子数组的和时,只需要通过prefix_sum数组中的值进行简单的减法运算即可,实现了高效的求解过程。

3.前缀和的用法

C++前缀和是指在一个数组中,计算从数组起始位置到当前位置的所有元素的和。它的用途是在一些需要频繁查询某个区间和的场景中,可以通过预处理数组得到前缀和数组,从而在O(1)的时间复杂度内得到任意区间的和。

前缀和的用法可以分为以下几点:

1.前缀和的定义

在C++中,可以使用一个额外的数组来保存原始数组中每个位置的前缀和,即累加前面所有元素的和。下面是一个示例代码:


 

#include <iostream>
#include <vector>using namespace std;vector<int> prefixSum(vector<int>& nums) {int n = nums.size();vector<int> prefix(n);prefix[0] = nums[0];  // 第一个元素的前缀和就是其本身// 计算前缀和for (int i = 1; i < n; i++) {prefix[i] = prefix[i-1] + nums[i];}return prefix;
}int main() {vector<int> nums = {1, 2, 3, 4, 5};vector<int> prefix = prefixSum(nums);for (int num : prefix) {cout << num << " ";}cout << endl;return 0;
}

上述代码中,prefixSum函数接受一个整型数组作为参数,并返回一个新的数组,其中保存了每个位置的前缀和。

在prefixSum函数中,首先创建了一个与原始数组大小相同的prefix数组,用于保存前缀和。然后,对于数组中的每个元素,通过累加前面所有元素的和来计算当前位置的前缀和。最后,返回计算得到的前缀和数组。

在main函数中,我们将一个示例数组传入prefixSum函数,然后遍历输出计算得到的前缀和数组。

2.预处理前缀和数组

首先需要遍历原始数组,计算出每个位置的前缀和,并将其存储在一个新的数组中。具体的计算方法是,对于位置i,前缀和数组的第i个元素等于原始数组中前i个元素的和

3.查询区间和

一旦得到了前缀和数组,就可以通过查询两个位置的前缀和来计算任意区间的和。对于一个区间[a, b],其和等于前缀和数组中第b个元素减去第a-1个元素(如果a不等于1)。

4.数组中某个区间的和是否为特定值

通过前缀和计算区间和后,可以用哈希表记录出现的前缀和,以便在后续查询中快速判断。

5.数组中连续子数组的和的最大值

通过前缀和计算各个子数组的和,找出最大的子数组和。可以使用动态规划或遍历的方式实现。

6.数组中连续子数组的和的最小值

通过前缀和计算各个子数组的和,找出最小的子数组和。可以使用动态规划或遍历的方式实现。

7.举例

假设有一个数组arr = {1, 2, 3, 4, 5},我们可以通过预处理得到前缀和数组prefixSum = {1, 3, 6, 10, 15}。然后,我们可以通过查询prefixSum - prefixSum[1-1]来计算区间[2, 4]的和,即6 - 1 = 5。

总结一下,C++前缀和的用法包括预处理前缀和数组和查询区间和。通过预处理数组,可以在O(1)的时间复杂度内得到任意区间的和,从而提高了查询效率。

4.用处

前缀和是一种常见的算法技巧,通常应用于数组相关的问题中。它的主要用途包括:

1. 快速计算数组区间和:通过预先计算数组的前缀和,可以在O(1)的时间复杂度内快速计算任意区间的和,而不需要每次都重新遍历计算。

2. 解决子数组和为特定值的问题:通过计算前缀和,在一维数组中可以快速找到和为特定值的子数组。

3. 解决数组中连续子数组的最大和问题:通过计算前缀和,可以优化求解连续子数组的最大和问题,使得时间复杂度可以达到O(n)。

4. 解决求解区间和的问题:通过利用前缀和的特性,可以在较快的时间内解决求解多个区间和的问题。

5. 判断两个子数组是否具有相同的和:通过计算不同位置的前缀和,可以快速判断两个子数组是否具有相同的和,用于一些比较问题中。

总的来说,前缀和在解决数组相关问题时具有非常重要的作用,可以优化计算效率,减少时间复杂度。

5.例题

题目描述:
给定一个包含 n 个非负整数的数组 nums,一个连续子数组的最大和被定义为该子数组中所有正数的和。设计一个算法,计算出数组中连续子数组的最大和。例如,对于数组 [-2, 1, -3, 4, -1, 2, 1, -5, 4],连续子数组的最大和为 6,对应子数组 [4, -1, 2, 1]。

限制:
- 数组中的元素个数 n 满足 1 <= n <= 10^5
- 数组中的每个元素满足 -1000 <= nums[i] <= 1000

分析步骤:
1. 使用前缀和的方法,定义一个一维数组 prefixSum,其中 prefixSum[i] 表示前 i 个元素的和。
2. 对于任意子数组 [i, j] 的和可以表示为 prefixSum[j] - prefixSum[i-1]。
3. 遍历数组计算前缀和并更新最大子数组和,如果当前前缀和小于 0,则重新开始计算前缀和。
4. 最终,结果为更新过程中出现的最大子数组和。

代码实现(C++):

#include <iostream>
#include <vector>
#include <algorithm>
using namespace std;int maxSubarraySum(vector<int>& nums) {int n = nums.size();if (n == 0) return 0;vector<int> prefixSum(n);prefixSum[0] = nums[0];int maxSum = nums[0];for (int i = 1; i < n; i++) {prefixSum[i] = prefixSum[i-1] + nums[i];maxSum = max(maxSum, nums[i]);if (prefixSum[i] - prefixSum[i-1] > nums[i]) {prefixSum[i] = nums[i];}maxSum = max(maxSum, prefixSum[i]);}return maxSum;
}int main() {vector<int> nums = {-2, 1, -3, 4, -1, 2, 1, -5, 4};cout << maxSubarraySum(nums) << endl;  // 输出 6return 0;
}

时间复杂度分析:
- 遍历数组一次,计算前缀和和更新最大子数组和,时间复杂度为 O(n)。
- 空间复杂度为 O(n),用于存储前缀和数组。

这道题目利用前缀和的方法可以较为简洁地解决,但需要对连续子数组的性质有一定的理解和分析,算法的设计相对较难一些。

6.总结

本篇博客到这里就结束了,感谢大家的支持与观看,如果大家有好的建议欢迎留言!

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.rhkb.cn/news/33723.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

机器学习基础

目录 泛化误差 偏差和方差 噪声 生成模型和判别模型 正态分布&#xff08;Normal Distribution&#xff09; 超参数选择 Grid Search 网格搜索 Random Search 随机搜索 Hyperopt Hyperas 参数估计方法对比 MLE 最大似然估计 MAP最大后验估计 贝叶斯估计 距…

中山六院团队发表可解释多模态融合模型Brim,可以在缺少分子数据时借助病理图像模拟生成伪基因组特征|顶刊解读·25-02-14

小罗碎碎念 在癌症诊疗领域&#xff0c;精准预测患者预后对临床决策意义重大。传统的癌症分期系统&#xff0c;如TNM分期&#xff0c;因无法充分考量肿瘤异质性&#xff0c;难以准确预测患者的临床结局。而基于人工智能的多模态融合模型虽有潜力&#xff0c;但在实际临床应用中…

系统可观测性(5)OpenTelemetry基础使用

系统可观测性(5)OpenTelemetry基础概念 Author: Once Day Date: 2025年3月12日 一位热衷于Linux学习和开发的菜鸟&#xff0c;试图谱写一场冒险之旅&#xff0c;也许终点只是一场白日梦… 漫漫长路&#xff0c;有人对你微笑过嘛… 本文档翻译整理自《OpenTelemetry Docs》&a…

OpenHarmony自定义子系统、部件与模块

如图所示&#xff0c;OpenHarmony系统源码中&#xff0c;大体上按照不同种类的功能分成多个子系统&#xff0c;然后一个子系统内部进一步在同类功能上的差异性划分成一个或多个部件&#xff0c;也就是说一个部件表示一个具体功能的源码集合。最后一个部件的源码再划分成一个或多…

【论文笔记】Contrastive Learning for Compact Single Image Dehazing(AECR-Net)

文章目录 问题创新网络主要贡献Autoencoder-like Dehazing NetworkAdaptive Mixup for Feature PreservingDynamic Feature Enhancement1. 可变形卷积的使用2. 扩展感受野3. 减少网格伪影4. 融合空间结构信息 Contrastive Regularization1. 核心思想2. 正样本对和负样本对的构建…

uni-app打包h5并部署到nginx,路由模式history

uni-app打包有些坑&#xff0c;当时运行的基础路径填写了./&#xff0c;导致在二级页面刷新之后&#xff0c;页面直接空白。就只能换一个路径了&#xff0c;nginx也要跟着改&#xff0c;下面是具体步骤。 manifest.json配置web 运行路径写/h5/&#xff0c;或者写你们网站的目…

SQLiteStudio:一款免费开源跨平台的SQLite管理工具

目录 1.简介 2.下载与安装 3.实现分析 4.总结 1.简介 SQLiteStudio 是一款专门用于管理 SQLite 数据库的图形化工具&#xff0c;由波兰开发者开发并维护。由于 SQLite 以其轻量级、零配置、嵌入式等特性被广泛应用于各种小型项目、移动应用和桌面应用中&#xff0c;而 SQLi…

Java入职篇(2)——开发流程以及专业术语

Java入职篇&#xff08;2&#xff09;——开发流程以及专业术语 开发流程 开发术语 测试用例&#xff08;用例&#xff09; 测试人员写的测试方案&#xff0c;基本上就是编写的测试过程&#xff0c;以及测试的预取结果 灰度测试 现在小部分范围内使用&#xff0c;然后逐步…

Figma介绍(基于云的协作式界面设计工具,主要用于UI/UX设计、原型制作和团队协作)

文章目录 注册和登录简单操作说明Figma介绍**核心特点**1. **云端协作与实时同步**2. **跨平台兼容**3. **高效设计工具**4. **原型交互与动效**5. **开发对接友好**6. **插件生态**7. **版本控制与历史记录** **适用场景**- **团队协作**&#xff1a;远程团队共同设计、评审、…

RAW图与BAYER图异同

RAW图是一种未经处理、未压缩的图像文件格式&#xff0c;它记录了图像传感器捕捉到的原始数据&#xff0c;包含了拍摄时的大量图像信息。下面从多个方面详细介绍RAW图&#xff1a; 参考&#xff1a;B站大清光学 定义与基本概念 定义&#xff1a;RAW文件是图像传感器将捕捉到…

mac安装navicat及使用

0.删除旧的 sudo rm -Rf /Applications/Navicat\ Premium.app sudo rm -Rf /private/var/db/BootCaches/CB6F12B3-2C14-461E-B5A7-A8621B7FF130/app.com.prect.NavicatPremium.playlist sudo rm -Rf ~/Library/Caches/com.apple.helpd/SDMHelpData/Other/English/HelpSDMIndexF…

Windows11【1001问】打开Windows 11控制面板的14种方法

在Windows 11中&#xff0c;尽管微软逐渐转向现代的“设置”应用&#xff0c;但传统的“控制面板”仍然是许多用户管理系统、调整硬件设置和自定义功能的首选工具。然而&#xff0c;由于Windows 11的界面设计更注重简洁性&#xff0c;控制面板的访问方式可能对部分用户来说不够…

Language Models are Few-Shot Learners,GPT-3详细讲解

GPT的训练范式&#xff1a;预训练Fine-Tuning GPT2的训练范式&#xff1a;预训练Prompt predict &#xff08;zero-shot learning&#xff09; GPT3的训练范式&#xff1a;预训练Prompt predict &#xff08;few-shot learning&#xff09; GPT2的性能太差&#xff0c;新意高&…

数据结构--图的基本操作

知识总览&#xff1a; 一、图的基本操作 1.Adjacent(G,x,y)&#xff0c;判断图G是否有边---对于有向图和无向图来说&#xff0c;邻间接矩阵的时复杂度更低。 邻接矩阵时间复杂度 O(1) 邻接表时间复杂度 O(1)~~O(v) 2.Neighbors(G,x):判断图G与结点x邻接的边.---邻间接矩…

Unity中解锁图片像素点,动态闭合轨迹检测

Unity中解锁图片像素点&#xff0c;动态闭合轨迹检测 介绍资源下载搭建总结 介绍 因为最近在研究Mane天蚕变的游戏完整逻辑&#xff0c;研究了两套方案做解锁图片的功能&#xff0c;这里我先讲一下我的这个图片像素点的方案解锁图片&#xff0c;这个逻辑其实很简单就是利用划线…

buu-ciscn_2019_ne_5-好久不见50

1. 背景分析 目标程序是一个存在漏洞的二进制文件&#xff0c;我们可以通过以下方式利用漏洞获取 shell&#xff1a; 程序中存在 system() 函数&#xff0c;但没有明显的 /bin/sh 字符串。 使用工具&#xff08;如 ROPgadget&#xff09;发现程序中有 sh 字符串&#xff0c;可…

图论part4|827. 最大人工岛、127. 单词接龙、463. 岛屿的周长

827. 最大人工岛 &#x1f517;&#xff1a;827. 最大人工岛 - 力扣&#xff08;LeetCode&#xff09;827. 最大人工岛 - 给你一个大小为 n x n 二进制矩阵 grid 。最多 只能将一格 0 变成 1 。返回执行此操作后&#xff0c;grid 中最大的岛屿面积是多少&#xff1f;岛屿 由一…

SpeechCraf论文学习

Abstract 核心问题 挑战 语音风格包含细微的多样化信息&#xff08;如情感、语调、节奏&#xff09;&#xff0c;传统基于标签/模板的标注方法难以充分捕捉&#xff0c;制约了语音-语言多模态模型的性能。 数据瓶颈&#xff1a; 大规模数据收集与高质量标注之间存在矛盾&…

SAIL-RK3576核心板应用方案——无人机视觉定位与地面无人设备通信控制方案

本方案以 EFISH-RK3576-SBC工控板 或 SAIL-RK3576核心板 为核心&#xff0c;结合高精度视觉定位、实时通信与智能控制技术&#xff0c;实现无人机与地面无人设备的协同作业。方案适用于物流巡检、农业植保、应急救援等场景&#xff0c;具备高精度定位、低延迟通信与强环境适应性…

PostgreSQL的学习心得和知识总结(一百七十一)|深入理解PostgreSQL数据库之 外连接消除 的使用和实现

目录结构 注&#xff1a;提前言明 本文借鉴了以下博主、书籍或网站的内容&#xff0c;其列表如下&#xff1a; 1、参考书籍&#xff1a;《PostgreSQL数据库内核分析》 2、参考书籍&#xff1a;《数据库事务处理的艺术&#xff1a;事务管理与并发控制》 3、PostgreSQL数据库仓库…