小白算法学习 rmq st算法
2018-03-09 00:04
197 查看
作用:ST算法是用来求解给定区间RMQ的最值,本文以最小值为例举例:给出一数组A[0~5] = {5,4,6,10,1,12},则区间[2,5]之间的最值为1。方法:ST算法分成两部分:离线预处理 (nlogn)和 在线查询(O(1))。虽然还可以使用线段树、树状链表等求解区间最值,但是ST算法要比它们更快,而且适用于在线查询。(1)离线预处理:运用DP思想,用于求解区间最值,并保存到一个二维数组中。(2)在线查询:对给定区间进行分割,借助该二维数组求最值具体解释:(1)离线预处理:ST算法使用DP思想求解区间最值,貌似属于区间动态规划,不过区间在增加时,每次并不是增加一个长度,而是使用倍增的思想,每次增加2^i个长度。使用F[i,j]表示以i为起点,区间长度为2^j的区间最值,此时区间为[i,i + 2^j - 1]。比如,F[0,2]表示区间[0,3]的最小值,即等于4,F[2,2]表示区间[2,5]的最小值,即等于1。在求解F[i,j]时,ST算法是先对长度为2^j的区间[i,i + 2^j - 1]分成两等份,每份长度均为2^(j - 1)。之后在分别求解这两个区间的最值F[i,j - 1]和F[i + 2^(j - 1),j - 1]。,最后在结合这两个区间的最值,求出整个区间的最值。特殊情况,当j = 0时,区间长度等于0,即区间中只有一个元素,此时F[i,0]应等于每一个元素的值。举例:要求解F[1,2]的值,即求解区间[1,4] = {4,6,10,1}的最小值,此时需要把这个区间分成两个等长的区间,即为[1,2]和[3,4],之后分别求解这两个区间的最小值。此时这两个区间最小值分别对应着F[1,1] 和 F[3,1]的值。状态转移方程是 F[i,j] = min(F[i,j - 1],F[i + 2^(j - 1),j - 1])初始状态为:F[i,0] = A[i]。在根据状态转移方程递推时,是对每一元素,先求区间长度为1的区间最值,之后再求区间长度为2的区间最值,之后再求区间长度为4的区间最值....,最后,对每一个元素,在求解区间长度为log2^n的区间最值后,算法结束,其中n表示元素个数。即:先求F[0][1],F[1][1],F[2][1],F[3][1],,,F
[1],再求.F[0][2],F[1][2],F[2][2],F[3][2],,,F[m][2],... 。(2)在线处理:这里我们是已知待查询的区间[x,y],求解其最值。在预处理期间,每一个状态对应的区间长度都为2^i。由于给出的待查询区间长度不一定恰好为2^i,因此我们应对待查询的区间进行处理。这里我们把待查询的区间分成两个小区间,这两个小区间满足两个条件:(1)这两个小区间要能覆盖整个区间(2)为了利用预处理的结果,要求小区间长度相等且都为2^i。注意两个小区间可能重叠。如:待查询的区间为[3,11],先尽量等分两个区间,则先设置为[3,7]和[8,11]。之后再扩大这两个区间,让其长度都等于为2^i。刚划分的两个区间长度分别为5和4,之后继续增加区间长度,直到其成为2^i。此时满足两个条件的最小区间长度为8,此时i = 3。在程序计算求解区间长度时,并没有那么麻烦,我们可以直接得到i,即等于直接对区间长度取以2为底的对数。这里,对于区间[3,11],其分解的区间长度为int(log(11 - 3 + 1)) = 3,这里log是以2为底的。根据上述思想,可以把待查询区间[x,y]分成两个小区间[x,x + 2^i - 1] 和 [y - 2^i + 1,y] ,其又分别对应着F[x,i]和F[y - 2^i + 1,i],此时为了求解整个区间的最小值,我们只需求这两个值得最小值即可,此时复杂度是O(1)。代码:[cpp] view plain copy#include <iostream>
#include <math.h>
using namespace std;
/*方程
F[i,j]:区间[i,i + 2^j - 1]的最小值,此时区间长度为2^j
F[i,j] = min(F[i,j - 1],F[i + 2^(j - 1),j - 1])
F[i,0] = nArr[i];*/
int F[1000000][20];//待比较元素的个数最大为1百万
void SparseTable(int nArr[],int nLen)
{
//初始化
for (int i = 0;i < nLen;i++)
{
F[i][0] = nArr[i];
}
//递推
int nLog = int(log(double(nLen))/log(2.0));
for (int j = 1;j <= nLog;j++)
{
for (int i = 0;i < nLen;i++)
{
if ((i + (1 << j) - 1) < nLen)//区间的端点不能超过数组最后一位的下标
{
F[i][j] = min(F[i][j - 1],F[i + (1 << (j - 1))][j - 1]);
}
}
}
}
int RMQ(int nArr[],int nLen,int nStart,int nEnd)
{
int nLog = (int)(log(double(nEnd - nStart + 1)/log(2.0)));
return min(F[nStart][nLog],F[nEnd - (1 << nLog) + 1][nLog]);
}
int main()
{
int nArr[6] = {5,4,6,10,1,12};
SparseTable(nArr,6);
cout<<RMQ(nArr,6,0,5)<<endl;
cout<<RMQ(nArr,6,1,3)<<endl;
cout<<RMQ(nArr,6,2,5)<<endl;
cout<<RMQ(nArr,6,2,2)<<endl;
system("pause");
return 1;
}
[1],再求.F[0][2],F[1][2],F[2][2],F[3][2],,,F[m][2],... 。(2)在线处理:这里我们是已知待查询的区间[x,y],求解其最值。在预处理期间,每一个状态对应的区间长度都为2^i。由于给出的待查询区间长度不一定恰好为2^i,因此我们应对待查询的区间进行处理。这里我们把待查询的区间分成两个小区间,这两个小区间满足两个条件:(1)这两个小区间要能覆盖整个区间(2)为了利用预处理的结果,要求小区间长度相等且都为2^i。注意两个小区间可能重叠。如:待查询的区间为[3,11],先尽量等分两个区间,则先设置为[3,7]和[8,11]。之后再扩大这两个区间,让其长度都等于为2^i。刚划分的两个区间长度分别为5和4,之后继续增加区间长度,直到其成为2^i。此时满足两个条件的最小区间长度为8,此时i = 3。在程序计算求解区间长度时,并没有那么麻烦,我们可以直接得到i,即等于直接对区间长度取以2为底的对数。这里,对于区间[3,11],其分解的区间长度为int(log(11 - 3 + 1)) = 3,这里log是以2为底的。根据上述思想,可以把待查询区间[x,y]分成两个小区间[x,x + 2^i - 1] 和 [y - 2^i + 1,y] ,其又分别对应着F[x,i]和F[y - 2^i + 1,i],此时为了求解整个区间的最小值,我们只需求这两个值得最小值即可,此时复杂度是O(1)。代码:[cpp] view plain copy#include <iostream>
#include <math.h>
using namespace std;
/*方程
F[i,j]:区间[i,i + 2^j - 1]的最小值,此时区间长度为2^j
F[i,j] = min(F[i,j - 1],F[i + 2^(j - 1),j - 1])
F[i,0] = nArr[i];*/
int F[1000000][20];//待比较元素的个数最大为1百万
void SparseTable(int nArr[],int nLen)
{
//初始化
for (int i = 0;i < nLen;i++)
{
F[i][0] = nArr[i];
}
//递推
int nLog = int(log(double(nLen))/log(2.0));
for (int j = 1;j <= nLog;j++)
{
for (int i = 0;i < nLen;i++)
{
if ((i + (1 << j) - 1) < nLen)//区间的端点不能超过数组最后一位的下标
{
F[i][j] = min(F[i][j - 1],F[i + (1 << (j - 1))][j - 1]);
}
}
}
}
int RMQ(int nArr[],int nLen,int nStart,int nEnd)
{
int nLog = (int)(log(double(nEnd - nStart + 1)/log(2.0)));
return min(F[nStart][nLog],F[nEnd - (1 << nLog) + 1][nLog]);
}
int main()
{
int nArr[6] = {5,4,6,10,1,12};
SparseTable(nArr,6);
cout<<RMQ(nArr,6,0,5)<<endl;
cout<<RMQ(nArr,6,1,3)<<endl;
cout<<RMQ(nArr,6,2,5)<<endl;
cout<<RMQ(nArr,6,2,2)<<endl;
system("pause");
return 1;
}
相关文章推荐
- 讲给小白——程序、算法、机器学习、深度学习
- 小白学习机器学习---第六章:SVM算法原理(1)
- 小白算法学习:求解两个字符串的最长公共子序列
- 树状数组 小白算法学习
- 转:讲给小白——程序、算法、机器学习、深度学习
- 小白算法学习 素数 线性筛法
- 小白学数据:教你用Python实现简单监督学习算法
- 扩展欧几里得 小白算法学习
- 小白算法学习 KMP
- 小白算法学习 欧拉函数
- poj 2524-小白算法学习 并查集 Ubiquitous Religions
- 小白算法学习 凸包 graham
- 小白算法学习 叉积在ACM中的应用
- 小白算法学习 博弈论
- 小白算法学习 二分图 匈牙利算法
- POJ 小白算法学习 任重而道远
- 小白算法练习 PAT Consecutive Factors 暴力|暴力中比较好的题目
- 算法学习——最大连续子序列
- hdr 算法 学习笔记之二
- 算法学习(一):DBSCAN聚类算法