update RMQ learning by chat

This commit is contained in:
Zengtudor 2024-08-07 13:33:35 +08:00
parent f154ef83f1
commit 06e93e15d8
3 changed files with 274 additions and 0 deletions

View File

@ -69,6 +69,8 @@ ll ksm(ll a,ll b,ll M){
#### [公平的竞争fair](./day5/statement.pdf)
##### $x=2+ {{x}\over{4}}$ => $x = {{8} \over 3}$是怎么得出来的
# [RMQ 区间最值问题](./day5/RMQ_by_chat.md)
>点击跳转
# 排序
## 稳定性

272
day5/RMQ_by_chat.md Normal file
View File

@ -0,0 +1,272 @@
稀疏表Sparse Table是一种高效的数据结构主要用于解决静态数组上的区间查询问题特别是最值查询最大值、最小值等。它的主要优势在于预处理时间和查询时间都非常高效适用于数据不变的情况。
### 稀疏表的基本思路
1. **预处理阶段**
- 构建一个二维数组 `st`,其中 `st[i][j]` 表示从位置 `i` 开始长度为 `2^j` 的区间的最值。
- 利用动态规划的思想,逐步计算不同长度的区间最值,利用前面计算的结果来推导更长区间的结果。
2. **查询阶段**
- 对于任意区间 `[L, R]`,将其拆分为两个可以重叠的最大幂次长度的区间,然后利用预处理的结果快速查询。
### 具体步骤
#### 1. 初始化与预处理
假设有一个数组 `arr`,其长度为 `n`。首先,初始化一个二维数组 `st` 和一个一维数组 `log`。`log` 数组用于快速计算区间长度的对数值。
```cpp
int n = arr.size();
int K = log2(n) + 1;
vector<vector<int>> st(n, vector<int>(K));
vector<int> log(n + 1);
// 初始化 log 数组
log[1] = 0;
for (int i = 2; i <= n; ++i)
log[i] = log[i / 2] + 1;
// 初始化 st 数组
for (int i = 0; i < n; ++i)
st[i][0] = arr[i];
```
#### 2. 动态规划预处理
使用动态规划来填充 `st` 数组。`st[i][j]` 表示从 `i` 开始长度为 `2^j` 的区间的最值。可以通过两个长度为 `2^(j-1)` 的子区间的最值来得到。
```cpp
for (int j = 1; j <= K; ++j) {
for (int i = 0; (i + (1 << j)) <= n; ++i) {
st[i][j] = min(st[i][j - 1], st[i + (1 << (j - 1))][j - 1]);
}
}
```
#### 3. 查询阶段
对于任意区间 `[L, R]`,可以利用预处理的结果快速查询。将 `[L, R]` 拆分为两个可以重叠的长度为 `2^k` 的区间,其中 `k``log[R - L + 1]`
```cpp
int query(int L, int R) {
int j = log[R - L + 1];
return min(st[L][j], st[R - (1 << j) + 1][j]);
}
```
### 代码示例
以下是完整的 C++ 代码示例:
```cpp
#include <iostream>
#include <vector>
#include <cmath>
using namespace std;
class SparseTable {
private:
vector<vector<int>> st;
vector<int> log;
int n;
public:
SparseTable(const vector<int>& arr) {
n = arr.size();
int K = log2(n) + 1;
st.assign(n, vector<int>(K));
log.assign(n + 1, 0);
// 初始化 log 数组
log[1] = 0;
for (int i = 2; i <= n; ++i) {
log[i] = log[i / 2] + 1;
}
// 初始化 st 数组
for (int i = 0; i < n; ++i) {
st[i][0] = arr[i];
}
// 动态规划填充 st 数组
for (int j = 1; j <= K; ++j) {
for (int i = 0; (i + (1 << j)) <= n; ++i) {
st[i][j] = min(st[i][j - 1], st[i + (1 << (j - 1))][j - 1]);
}
}
}
int query(int L, int R) {
int j = log[R - L + 1];
return min(st[L][j], st[R - (1 << j) + 1][j]);
}
};
int main() {
vector<int> arr = {1, 3, 5, 7, 9, 11};
SparseTable sparseTable(arr);
cout << "Min value in range [1, 4]: " << sparseTable.query(1, 4) << endl;
return 0;
}
```
### 总结
- 稀疏表的预处理时间为 \(O(n \log n)\),查询时间为 \(O(1)\),适合静态数据场景。
- 预处理过程通过动态规划构建不同区间长度的最值,查询通过预处理结果快速得到答案。
这个方法对静态数组的多次区间查询效率非常高,但不适用于需要频繁更新的场景。
好的,下面我们详细讲解稀疏表的动态规划预处理过程。
### 动态规划预处理详细解释
稀疏表的核心在于利用动态规划的思想预处理数组中的区间最值,从而实现高效的查询。预处理过程中,我们会构建一个二维数组 `st`,其中 `st[i][j]` 表示从索引 `i` 开始长度为 `2^j` 的区间的最小值(当然你也可以用来处理最大值问题,只需要把 `min` 改成 `max`)。
#### 1. 初始化
我们需要初始化一个二维数组 `st`,并且初始化一个 `log` 数组,`log[i]` 表示 `i` 的对数值(向下取整)。
```cpp
int n = arr.size();
int K = log2(n) + 1; // K 是最大区间长度的对数
vector<vector<int>> st(n, vector<int>(K));
vector<int> log(n + 1);
// 初始化 log 数组
log[1] = 0;
for (int i = 2; i <= n; ++i)
log[i] = log[i / 2] + 1;
```
在这个过程中,`log[i]` 记录的是 `i` 的对数值(向下取整)。例如,`log[16]` 是 4因为 \( 2^4 = 16 \),而 `log[10]` 是 3因为 \( 2^3 = 8 \)。
#### 2. 初始化稀疏表的第一列
`st[i][0]` 表示从索引 `i` 开始长度为 \(2^0 = 1\) 的区间的最小值,也就是元素本身。
```cpp
for (int i = 0; i < n; ++i)
st[i][0] = arr[i];
```
#### 3. 动态规划填充稀疏表
为了填充 `st` 数组,我们使用动态规划的方法。对于每个 `j > 0`,我们用 `st[i][j-1]``st[i + (1 << (j-1))][j-1]` 来计算 `st[i][j]`
```cpp
for (int j = 1; j <= K; ++j) {
for (int i = 0; (i + (1 << j)) <= n; ++i) {
st[i][j] = min(st[i][j - 1], st[i + (1 << (j - 1))][j - 1]);
}
}
```
这里的 `st[i][j]` 表示从 `i` 开始长度为 `2^j` 的区间的最小值。我们把长度为 `2^j` 的区间分成两半,每一半长度为 `2^(j-1)`,然后分别计算这两半的最小值,并取这两个最小值中的较小者。
#### 例子说明
假设我们有数组 `arr = [1, 3, 5, 7, 9, 11]`
1. 初始化 `st` 的第一列:
```
st[i][0] = arr[i]
```
得到:
```
st[0][0] = 1
st[1][0] = 3
st[2][0] = 5
st[3][0] = 7
st[4][0] = 9
st[5][0] = 11
```
2. 计算 `st[i][1]`,区间长度为 `2^1 = 2`
```
st[0][1] = min(st[0][0], st[1][0]) = min(1, 3) = 1
st[1][1] = min(st[1][0], st[2][0]) = min(3, 5) = 3
st[2][1] = min(st[2][0], st[3][0]) = min(5, 7) = 5
st[3][1] = min(st[3][0], st[4][0]) = min(7, 9) = 7
st[4][1] = min(st[4][0], st[5][0]) = min(9, 11) = 9
```
3. 计算 `st[i][2]`,区间长度为 `2^2 = 4`
```
st[0][2] = min(st[0][1], st[2][1]) = min(1, 5) = 1
st[1][2] = min(st[1][1], st[3][1]) = min(3, 7) = 3
st[2][2] = min(st[2][1], st[4][1]) = min(5, 9) = 5
```
注意:此时 `i + 2^2` 必须小于等于 `n`,所以我们只计算到 `st[2][2]`
### 查询过程
预处理完成后,我们可以在 \(O(1)\) 时间内完成区间最值查询。具体方法是,对于查询区间 `[L, R]`,找到 `k = log[R - L + 1]`,然后查询 `st[L][k]``st[R - (1 << k) + 1][k]` 的最小值。
```cpp
int query(int L, int R) {
int j = log[R - L + 1];
return min(st[L][j], st[R - (1 << j) + 1][j]);
}
```
### 完整代码示例
```cpp
#include <iostream>
#include <vector>
#include <cmath>
using namespace std;
class SparseTable {
private:
vector<vector<int>> st;
vector<int> log;
int n;
public:
SparseTable(const vector<int>& arr) {
n = arr.size();
int K = log2(n) + 1;
st.assign(n, vector<int>(K));
log.assign(n + 1, 0);
// 初始化 log 数组
log[1] = 0;
for (int i = 2; i <= n; ++i) {
log[i] = log[i / 2] + 1;
}
// 初始化 st 数组
for (int i = 0; i < n; ++i) {
st[i][0] = arr[i];
}
// 动态规划填充 st 数组
for (int j = 1; j <= K; ++j) {
for (int i = 0; (i + (1 << j)) <= n; ++i) {
st[i][j] = min(st[i][j - 1], st[i + (1 << (j - 1))][j - 1]);
}
}
}
int query(int L, int R) {
int j = log[R - L + 1];
return min(st[L][j], st[R - (1 << j) + 1][j]);
}
};
int main() {
vector<int> arr = {1, 3, 5, 7, 9, 11};
SparseTable sparseTable(arr);
cout << "Min value in range [1, 4]: " << sparseTable.query(1, 4) << endl;
return 0;
}
```
这个例子中,`SparseTable` 类在构造函数中完成了预处理,并且提供了 `query` 方法用于快速查询任意区间的最小值。通过这种预处理,我们可以在 \(O(1)\) 时间内完成区间查询,非常高效。

BIN
day5/RMQ_by_chat.pdf Normal file

Binary file not shown.