每周一算法:邻值查找

给定一个长度为 n n n的序列 A A A A A A中的数各不相同。

对于 A A A 中的每一个数 A i A_i Ai,求: m i n 1 ≤ j < i ∣ A i − A j ∣ min_{1≤j<i}|A_i−A_j| min1j<iAiAj,以及令上式取到最小值的 j j j(记为 P i P_i Pi)。若最小值点不唯一,则选择使 A j A_j Aj较小的那个。

输入格式

第一行输入整数 n n n,代表序列长度。

第二行输入 n n n个整数 A 1 … A n A_1…A_n A1An,代表序列的具体数值,数值之间用空格隔开。

输出格式

输出共 n − 1 n−1 n1 行,每行输出两个整数,数值之间用空格隔开。

分别表示当 i i i 2 ∼ n 2\sim n 2n 时,对应的 m i n 1 ≤ j < i ∣ A i − A j ∣ min_{1≤j<i}|A_i−A_j| min1j<iAiAj P i P_i Pi的值。

数据范围

n ≤ 1 0 5 n\le10^5 n105 ∣ A i ∣ ≤ 1 0 9 |A_i|≤10^9 Ai109

输入样例

3
1 5 3

输出样例

4 1
2 1

算法思想一

根据题目描述,对于每个元素 A i A_i Ai,要找到其左边与它差值最小的元素 A j A_j Aj 1 ≤ j < i 1\le j \lt i 1j<i),输出它们的差值的绝对值 ∣ A i − A j ∣ |A_i-A_j| AiAj,以及 j j j

计算与 A i A_i Ai差值有两种情况:

  • A i < A j A_i<A_j Ai<Aj,差值 v = A j − A i v = A_j-A_i v=AjAi
  • A i > A j A_i>A_j Ai>Aj,差值 v = A i − A j v = A_i-A_j v=AiAj

也就是说,对于任意的 A i A_i Ai,如果能在 1 ∼ i 1\sim i 1i之间找到与 A i A_i Ai大小相邻的两个数 A l A_l Al A r A_r Ar,其中 A l A_l Al是小于 A i A_i Ai的最大值, A r A_r Ar是大于 A i A_i Ai的最小值,分别计算其与 A i A_i Ai的差值,取其中的较小者即可。

从给出的数据范围来看, n ≤ 1 0 5 n\le10^5 n105,对于每个元素必须在 O ( l o g n ) O(logn) O(logn)的时间复杂度内,查找到大小相邻的两个元素,而且根据题目中给出的限制,序列 A A A的数各不相同,可以用C++ 标准库的std::set 来实现。

std::set 是 C++ 标准库中的一个容器,它按有序方式存储唯一元素的集合。std::set 中的元素自动按照严格弱序(Strict Weak Ordering)排序,并且每个元素都是唯一的。这意味着 std::set 中的元素是按照特定顺序排列并且不会存在重复值。下面是一些 std::set 的特点和用途:

  • 自动排序:std::set 内部使用红黑树(一种自平衡的二叉搜索树)实现,因此元素在容器中按照严格弱序排序。这使得元素能够以有序的方式存储,方便进行遍历和搜索操作。
  • 唯一性:std::set 中的元素是唯一的,相同的元素只会在容器中存在一个副本。这可以确保每个元素在集合中的唯一性。
  • 插入和查找效率高:由于 std::set 内部使用红黑树实现,插入和查找元素的时间复杂度为 O ( l o g n ) O(log n) O(logn),其中 n n n 是容器中的元素数目。这使得 std::set 适合于需要高效地插入和查找元素的情况。
  • std::set的大部分操作是与vector类似的,不过set不支持随机访问,必须要使用迭代器去访问;
  • std::set插入元素的方法为insert
  • std::set查找元素的方法为find,返回一个迭代器set<类型>::iterator
    • 若元素存在,返回的迭代器指向键值
    • 若元素不存在,返回的迭代器指向set.end()

由于set是以有序方式存储唯一元素,那么可以遍历每个元素 A i A_i Ai

  • A i A_i Ai插入到set
  • set中查找元素 A i A_i Ai,返回指向 A i A_i Ai的迭代器
  • 通过迭代器可以找到与 A i A_i Ai大小相邻的两个元素,打擂台求最小值即可

时间复杂度

  • 遍历每个元素 A i A_i Ai,时间复杂度为 O ( n ) O(n) O(n)
  • set中查找 A i A_i Ai,时间复杂度为 O ( l o g n ) O(logn) O(logn)

总的时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)

代码实现

#include <iostream>
#include <set>
using namespace std;
const int INF = 0x3f3f3f3f;
typedef pair<int, int> PII;
int main()
{int n, x;cin >> n;set<PII> st;for(int i = 1; i <= n; i ++){cin >> x;PII a = {x, i};st.insert(a);if(i > 1) {auto it = st.find(a); //find返回迭代器:set<pair<int, int>>::iteratorint k = INF, p;if(++ it != st.end()) //通过迭代器找到下一个元素k = (*it).first - x, p = (*it).second;-- it; //将迭代器回到之前位置if(it != st.begin() && x - (*--it).first <= k) //如果和前一个元素的差值不大于kk = abs((*it).first - x), p = (*it).second;cout << k << " " << p << endl;}}
}

算法思想二

除了使用 std::set实现,这里再介绍一个双链表的实现方法。

  • 首先将序列 A A A排序,假设排序后为 A 3 A 4 . . . A n . . . A 2 A_3A_4...A_n...A_2 A3A4...An...A2
  • 根据上述序列可以构造出一个双链表,如下图所示

在这里插入图片描述
有了双链表之后,如何求 A i A_i Ai左边与它差值最小的元素呢?可以从后向前处理,也就是从 A n A_n An开始,因为 A n A_n An是原序列中最后一个元素,因此其它元素都在它左边。那么:

  • 对于元素 A n A_n An来说,假设其在双链表的位置为 k k k,其左边的元素 L [ k ] L[k] L[k]就是小于 A n A_n An的最大值,其右边元素 R [ k ] R[k] R[k]就是大于 A n A_n An的最小值。
  • 计算完相邻元素的差值之后,将 A n A_n An从双链表中删除,继续处理前一个元素。

重复这个过程,直到所有元素都处理完。

时间复杂度

  • 排序的时间复杂度为 O ( n l o g n ) O(nlogn) O(nlogn)
  • 排序后构建双链表的时间复杂度为 O ( n ) O(n) O(n)
  • 查找计算相邻元素差值的时间复杂度为 O ( n ) O(n) O(n)

总的时间复杂度为 O ( n l o g n + n + n ) O(nlogn+n+n) O(nlogn+n+n)

代码实现

#include <iostream>
#include <algorithm>
using namespace std;
typedef long long LL;
const int N = 1e5 + 10;
typedef pair<LL, int> PII;
PII a[N], ans[N];
int p[N], L[N], R[N];
int main()
{int n, x;cin >> n;for(int i = 1; i <= n; i ++){cin >> x;a[i] = {x, i};}sort(a + 1, a + n + 1);//设置链表的首尾的值,避免其差值被选上a[0].first = -1e10, a[n + 1].first = 1e10; for(int i = 1; i <= n; i ++){p[a[i].second] = i; //统计每个元素的新位置L[i] = i - 1, R[i] = i + 1; //建立双链表}//从第n个元素开始处理for(int i = n; i > 1; i --){//第i个元素所在位置kint k = p[i], left = L[k], right = R[k], v = a[k].first;LL lv = v - a[left].first; //与左边对应元素的差值LL rv = a[right].first - v; //与右边对应元素的差值if(lv <= rv) ans[i] = {lv, a[left].second};else ans[i] = {rv, a[right].second}; L[right] = left, R[left] = right; //删除k结点}//输出结果for(int i = 2; i <= n; i ++)cout << ans[i].first << " " << ans[i].second << endl;
}

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.mzph.cn/news/578849.shtml

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email:809451989@qq.com,一经查实,立即删除!

相关文章

40G多模光模块QSFP-40G-SR4优势及应用领域介绍

QSFP-40G-SR4光模块是一种常用的光纤传输解决方案。传输速率40G&#xff0c;SR代表短距离多模光纤&#xff08;Short Range Multimode Fiber&#xff09;&#xff0c;4表示有四个光纤通道。这种光模块采用MPO/MTP多模光纤连接器来实现高速传输&#xff0c;传输距离可以达到300米…

WU反走样算法

WU反走样算法 由离散量表示连续量而引起的失真称为走样&#xff0c;用于减轻走样现象的技术成为反走样&#xff0c;游戏中称为抗锯齿。走样是连续图形离散为想想点后引起的失真&#xff0c;真实像素面积不为 零。走样是光栅扫描显示器的一种固有现象&#xff0c;只能减轻&…

【Echarts】使用echarts和echarts-wordcloud生成词云图

一、下载echarts和echarts-wordcloud 地址&#xff1a;https://download.csdn.net/download/qq_25285531/88663006 可直接下载放在项目中使用 二、词云数据 词云数据是对象的格式&#xff0c;可以从后端获取&#xff0c;这里以下面数据为例 {"visualMap": 199,&…

基于多反应堆的高并发服务器【C/C++/Reactor】(中)EventLoop初始化

这个Dispatcher是一个事件分发模型&#xff0c;通过这个模型,就能够检测对应的文件描述符的事件的时候,可以使用epoll/poll/select,前面说过三选一。另外不管是哪一个底层的检测模型,它们都需要使用一个数据块,这个数据块就叫做DispatcherData。除此之外,还有另外一个部分,因为…

vue3 vue3-print-nb 实现打印功能

vue3 vue3-print-nb 实现打印功能 效果 vue3-print-nb 文档 安装 pnpm add vue3-print-nbtypescript 中 xx.d.ts declare module "vue3-print-nb";配置 全局配置 src/main.ts import print from "vue3-print-nb";const app createApp(App); app.us…

Leetcode2928. 给小朋友们分糖果 I

Every day a Leetcode 题目来源&#xff1a;2928. 给小朋友们分糖果 I 解法1&#xff1a;暴力 枚举 3 位小朋友的糖果数&#xff0c;范围为 [0, limit]&#xff0c;分别记为 i、j、k。 当满足 i j k n 时&#xff0c;答案 1。 代码&#xff1a; /** lc appleetcode.c…

引领制造业迈向智能化新时代,SIA上海智能工厂展助力行业蓬勃发展

当今制造业迎来了数字化革命的潮流&#xff0c;其中智能工厂作为其中的一个关键角色&#xff0c;正在推动着制造业的转型和升级。智能工厂不仅仅是一个集成了先进技术的制造厂房&#xff0c;更是数字化时代制造业发展的崭新范本。本文将探讨智能工厂在现代制造业中的重要作用。…

SecuSphere:一款功能强大的一站式高效DevSecOps安全框架

关于SecuSphere SecuSphere是一款功能强大的一站式高效DevSecOps解决方案&#xff0c;DevSecOps作为一个经过针对性设计的集中式平台&#xff0c;可以帮助广大研究人员管理和优化漏洞管理、CI/CD管道集成、安全评估和DevSecOps实践。 SecuSphere是一个功能全面的DevSecOps平台…

RK3568驱动指南|第八篇 设备树插件-第83章 设备树插件驱动分析实验

瑞芯微RK3568芯片是一款定位中高端的通用型SOC&#xff0c;采用22nm制程工艺&#xff0c;搭载一颗四核Cortex-A55处理器和Mali G52 2EE 图形处理器。RK3568 支持4K 解码和 1080P 编码&#xff0c;支持SATA/PCIE/USB3.0 外围接口。RK3568内置独立NPU&#xff0c;可用于轻量级人工…

IDEA 控制台中文出现乱码问题解决

一、问题概述 请看下图 二、问题分析 IDEA控制台输出乱码一般会有三种来源&#xff1a; ① IDEA本身编码错误 ② Tomcat日志输出编码错误 ③ 项目本身原因。 终极原因&#xff1a;IDEA编码和Tomcat编码不一致&#xff0c;统一设置为UTF-8即可。 三、解决思路 修改…

Superset二次开发之环境部署(Windows版)

本地环境版本介绍: 编号 名称 版本 1supersetv3.0.0rc32Pythonv3.10.123Nodev16.20.24npmv8.19.45Anacondav3 1.下载源码 #下载源码 git clone https://github.com/apache/superset.git ##速度慢可替换为 https://gitclone.com/github.com/apache/superset.git #进入项目目录…

在Go中解析HTTP请求中的表单数据

想象一下&#xff0c;你收到了一封神秘的信件&#xff0c;信上写着&#xff1a;“在HTTP请求的表单数据中&#xff0c;隐藏着一座宝藏&#xff0c;等待勇敢的冒险者前来寻找。” 你知道&#xff0c;这封信正是冲着你来的&#xff01;今天&#xff0c;我们将使用Go语言作为我们的…

VMware17Pro虚拟机安装Linux CentOS 7.9(龙蜥)教程(超详细)

目录 1. 前言2. 下载所需文件3. 安装VMware3.1 安装3.2 启动并查看版本信息3.3 虚拟机默认位置配置 4. 安装Linux4.1 新建虚拟机4.2 安装操作系统4.2.1 选择 ISO 映像文件4.2.2 开启虚拟机4.2.3 选择语言4.2.4 软件选择4.2.5 禁用KDUMP4.2.6 安装位置配置4.2.7 网络和主机名配置…

web自动化测试的智能革命:AI如何推动软件质量保证的未来

首先这个标题不是我取的&#xff0c;是我喂了关键字让AI给取的&#xff0c;果然非常的标题党&#xff0c;让人印象深刻&#xff0c;另外题图也是AI自动生成的。 先简单回顾一下web自动化测试的一些发展阶段 QTP时代 很多年前QTP横空出世的时候&#xff0c;没有人会怀疑这种工…

java判断时间是否为节假日(或指定的日期),是的话返回true,否返回false

这个方法属实有点老套&#xff0c;先定义set&#xff0c;需要手动输入要判断的时间才行。 这个代码&#xff0c;就是输入一个日期&#xff0c;来判断这个日期是否为你指定的日期。如果是的话&#xff0c;返回true&#xff0c;否的话返回false。 代码&#xff1a; package Lx…

软考高级考完了,怎么评职称?

每年考试结束后&#xff0c;总有朋友问我&#xff0c;考完后怎么才能评上职称呢&#xff1f;获得证书就意味着获得了职称吗&#xff1f;让我们一起来看看具体情况吧&#xff01; 01\职称获取途径 获得职称可以通过认定、评审、国家统一考试(以考代评)、职业资格对应等多种方式…

轻松设置CentOS IP地址的最终指南:详细的分步说明

轻松设置CentOS IP地址的最终指南 一、引言二、准备工作三、手动设置IP地址四、自动分配IP地址(DHCP)五、使用网络管理工具设置IP地址5.1、使用nmtui工具进行图形化设置5.2、使用nmcli命令行工具进行设置 六、常见问题和解决方案七、总结 一、引言 CentOS操作系统是一种基于Li…

LLM(八)| Gemini语言能力深度观察

论文地址&#xff1a;https://simg.baai.ac.cn/paperfile/fc2138ce-cadb-4a36-b9f7-c4000dea3369.pdf 谷歌最近发布的Gemini系列模型是第一个在各种任务与OpenAI GPT系列相媲美的模型。在本文中&#xff0c;作者对Gemini的语言能力做了深入的探索&#xff0c;做出了两方面的贡献…

服务案例|CIS数据库故障问题

一、告警通知 12月20日凌晨&#xff0c;平台收到某三甲医院告警通知&#xff0c;显示核心业务CIS系统数据库tempdb实例日志文件剩余空间不足。 查看告警详情页&#xff0c;显示tempbd日志文件使用率在凌晨1:30后异常增高。 一个小tip tempdb是SQL Server实例的系统数据库&…