文章目录
- 实现原理
- 实现思路
- 一维前缀和模板
- 二维前缀和模板
- 典型例题
- 一维前缀和
- 二维前缀和
- 寻找数组中心下标
- 除自身以外数组的乘积
- 关系矩阵和
- 总结
实现原理
前缀和问题和二分查找类似，也是有一些固定的模板的，在理解原理的基础上进行实践，就能解决大多数问题
前缀和问题的题目问法通常是计算某个序列中子序列的之和，如果采用暴力求解的话就是遍历一遍数组，假设要找M个子序列，序列长度总共为N，那么时间复杂度就是O(M*N)，而前缀和算法原理可以优化这个时间复杂度
实现原理有些类似于动态规划，原理就是预处理一个前缀和数组，然后利用前缀和数组解决问题即可
下面介绍算法的实现思路
实现思路
现在我们有数组arr，要求的结果是取出q和arr中的子序列，计算这些子序列的长度，算法原理开辟一个和arr一样大的数组，作为dp数组，数组内存储的是对应arr中对应下标前所有位置数之和
一维前缀和模板
vector<long long> v(n+1);
for (int i = 1; i <= n; i++)
{
cin>>v[i];
}
vector<long long> dp(n+1);
dp[0]=0;
for (int i = 1; i <= n; i++)
{
dp[i]= dp[i - 1] + v[i];
}
自此，一维前缀和总体结束，下面是二维前缀和的题目解析
整体来看，二维前缀和和一维前缀和相差不算很大，代码实现的思路也很好想，可以图解如下表示
假设现在有下图所示的二维序列，这里面存储的是一些数据
依据题意，假设这里需要求4,3的内容，因此需要计算的是这片区域的面积
因此，我们可以仿照前面的算法，也用dp原理创建一个dp数组，数组中每一个元素存储的是从1,1到该位置这块区域内的所有元素的和
那么区间内数组如何计算？如果采用一个一个遍历找的时间复杂度显然是不合适的，因此需要找到一种更高效的复杂度方式，可以采用如下方式
对于我们要求的彩色区域，可以划分为四个子区域进行求解，那么面积如何求？如果采用A+B+C+D直接求，是不合理的，原因在于B和C的面积不能直观的求解，因此可以改成(A+C)+(A+B)+D-A，通过这样划分区域，就可以求解问题
抽象化上面的思路，假设要求i,j位置的值，就可以抽象化为dp[i][j]=dp[i-1][j]+dp[i][j-1]+arr[i][j]-dp[i-1][j-1]
那现在根据上面的算法原理，已经把dp数组求出来了，那么后续如何求解？
假设现在要求的是2,2，4,4，理论上所求区域如下
那么对应到dp数组就是下面的区域
将整个区域进行抽象化演示，即看成从m,n到p,q
因此这个区域面积就可以表示为dp[m][n]-dp[p-1][q]-dp[p][q-1]+dp[p-1][q-1]
因此，二维前缀和的做题思路就抽象化出来了，首先用dp数组表示出一个和数组，再利用和数组面积的加减关系求解出最终答案即可
二维前缀和模板
// 数据输入
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; j++)
{
cin >> v[i][j];
}
}
// 处理dp数组
vector<vector<long long>> dp(m + 1, vector<long long>(n + 1));
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; j++)
{
dp[i][j] = dp[i - 1][j] + dp[i][j - 1] + v[i][j] - dp[i - 1][j - 1];
}
}
典型例题
一维前缀和
#include <bits/stdc++.h>
using namespace std;
int main()
{
int n, q;
cin >> n >> q;
vector<long long> v(n+1);
for (int i = 1; i <= n; i++)
{
cin>>v[i];
}
vector<long long> dp(n+1);
dp[0]=0;
for (int i = 1; i <= n; i++)
{
dp[i]= dp[i - 1] + v[i];
}
while (q--)
{
int l, r;
cin >> l >> r;
cout << dp[r] - dp[l - 1] << endl;
}
return 0;
}
二维前缀和
#include <iostream>
#include <vector>
using namespace std;
int main()
{
int m = 3, n = 4, q = 3;
cin >> m >> n >> q;
vector<vector<int>> v(m + 1,vector<int>(n+1));
// 数据输入
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; j++)
{
cin >> v[i][j];
}
}
// 处理dp数组
vector<vector<long long>> dp(m + 1, vector<long long>(n + 1));
for (int i = 1; i <= m; i++)
{
for (int j = 1; j <= n; j++)
{
dp[i][j] = dp[i - 1][j] + dp[i][j - 1] + v[i][j] - dp[i - 1][j - 1];
}
}
// 处理数据
while (q--)
{
int x1, y1, x2, y2;
cin >> x1 >> y1 >> x2 >> y2;
cout << dp[x2][y2] - dp[x2][y1-1] - dp[x1-1][y2] + dp[x1 - 1][y1 - 1] << endl;
}
return 0;
}
寻找数组中心下标
本题应用了前缀和的思路，写入两个表，一个从后向前写，一个从前向后写，其中要注意对于这个题的边界下标问题，尤其是从右向左写容易越界
处理前缀和问题要想清楚，前后缀和数组的含义是当前下标之前/后元素，不含当前下标元素
class Solution
{
public:
int pivotIndex(vector<int>& nums)
{
int n=nums.size();
// 处理前缀和
vector<int> f(n);
f[0]=0;
for(int i=1;i<n;i++)
{
f[i]=f[i-1]+nums[i-1];
}
// 处理后缀和
vector<int> g(n);
g[n-1]=0;
for(int i=n-2;i>=0;i--)
{
g[i]=g[i+1]+nums[i+1];
}
// 处理数据
for(int i=0;i<n;i++)
{
if(f[i]==g[i])
{
return i;
}
}
return -1;
}
};
除自身以外数组的乘积
此题也是很明显的前缀和问题，在解题的时候，要理清思路，一要处理好边界问题，二要想清楚原理，边界问题提前处理
class Solution
{
public:
vector<int> productExceptSelf(vector<int>& nums)
{
int n = nums.size();
// 前缀和数组
vector<int> f(n);
f[0] = 1;
for (int i = 1; i < n; i++)
{
f[i] = f[i - 1] * nums[i - 1];
}
// 后缀和数组
vector<int> g(n);
g[n - 1] = 1;
for (int i = n - 2; i >= 0; i--)
{
g[i] = g[i + 1] * nums[i + 1];
}
// 返回数组
vector<int> res(n);
res[0] = g[0];
res[n - 1] = f[n - 1];
for (int i = 1; i < n - 1; i++)
{
res[i] = f[i] * g[i];
}
return res;
}
};
关系矩阵和
二维数组的前缀和问题中的简单应用，其中关于二维数组前缀和主要就是要注意dp数组的写入，在这个过程中涉及到的边界问题，其余如果理解原理应用模板是可以很好解决的
class Solution
{
public:
vector<vector<int>> matrixBlockSum(vector<vector<int>>& mat, int k)
{
int m=mat.size();
int n=mat[0].size();
// 创建前缀和二维数组
vector<vector<int>> dp(m+1,vector<int>(n+1));
for(int i=1;i<=m;i++)
{
for(int j=1;j<=n;j++)
{
dp[i][j]=dp[i-1][j]+dp[i][j-1]-dp[i-1][j-1]+mat[i-1][j-1];
}
}
// 算数据
vector<vector<int>> ans(m,vector<int>(n));
for(int i=0;i<m;i++)
{
for(int j=0;j<n;j++)
{
int x1=max(0,i-k)+1,y1=max(0,j-k)+1;
int x2=min(m,i+k+1),y2=min(n,j+k+1);
ans[i][j]=dp[x2][y2]-dp[x2][y1-1]-dp[x1-1][y2]+dp[x1-1][y1-1];
}
}
return ans;
}
};
总结
前缀和问题也是较为重要的算法，重点就是要理解dp数组的意义，尤其是对于二维数组的前缀和，要理解才能正确写出
