洛谷 P8783 [蓝桥杯 2022 省 B] 统计子矩阵

题目描述

给定一个 N×M 的矩阵 A,请你统计有多少个子矩阵 (最小 1×11×1, 最大 N×M 满足子矩阵中所有数的和不超过给定的整数 K。

输入格式

第一行包含三个整数 N,M 和 K。

之后 N 行每行包含 M 个整数, 代表矩阵 A。

输出格式

一个整数代表答案。

输入输出样例

输入 #1

3 4 10
1 2 3 4
5 6 7 8
9 10 11 12

输出 #1

19

说明/提示

【样例说明】

满足条件的子矩阵一共有 1919,包含:

大小为 1×11×1 的有 1010 个。

大小为 1×21×2 的有 33 个。 大小为 1×31×3 的有 22 个。

大小为 1×41×4 的有 11 个。

大小为 2×12×1 的有 33 个。

【评测用例规模与约定】

对于 30% 的数据, N,M≤20.

对于 70% 的数据, N,M≤100.

对于 100% 的数据, 1≤N,M≤500,0≤Aij​≤1000,1≤K≤2.5×1e8.

蓝桥杯 2022 省赛 B 组 F 题。

看到要求矩阵和我们首先想到二位前缀和,先想出我们的暴力方法:首先预处理得出二位前缀和数组,然后枚举左上角,对每一个左上角都去枚举右下角,根据我们的前缀和方程求得当前这个矩阵的和值是多少,和我们的k值比较即可。当然这样肯定超时,我们可以很轻松的想出第一个优化:比如我枚举了右下角在第一行的矩阵之后,已经找到一个大于k值的矩阵,那么我第二行就不要再包括他了。我们可以设置一个随着枚举而更新的maxc记录这个值,这个方案可以大大缩短我们的程序运行时间,代码如下:

#include<bits/stdc++.h>
using namespace std;
#define int long longint a[505][505] = { 0 };
int s[505][505] = { 0 };signed main()
{int n, m, k;cin >> n >> m >> k;for (int i = 1;i <= n;i++){for (int j = 1;j <= m;j++){cin >> a[i][j];s[i][j] += s[i][j - 1] + s[i - 1][j] - s[i - 1][j - 1] + a[i][j];}}int ans = 0;for (int i = 1;i <= n;i++){for (int j = 1;j <= m;j++){//以上两个循环枚举左上角int maxc = m + 1;for (int r = i;r <= n;r++){for (int c = j; c < maxc;c++){//枚举右下角if (s[r][c] - s[i - 1][c] - s[r][j - 1] + s[i - 1][j - 1] > k){maxc = c;break;}else ans++;}}}}cout << ans;return 0;
}

不过就算这样,还是有两个点过不了,只能拿80分。虽然是优化过的,但我们这个方法的本质依然是枚举左上角与右下角,复杂度还是太高:o(m^2*n^2)。第二个优化我是想不出来了,这也代表了我们这样用二位前缀和,只能拿部分分。

看了题解,了解到第二种方法,当然还是建立在前缀和的基础上:我们不在枚举左上角与右下角,而是转为枚举行的范围:这是一个o(n^2)的操作。然后我们使用一个双指针去遍历这个范围,就像是把二维问题降维成一维一样:   有一个序列 [1,3,4,3],试求出其中有多少个子序列,满足该子序列的所有元素之和小于等于 10。具体思路参考:P8783 题解 - 洛谷专栏 (luogu.com.cn)

有一个需要解释的点,关于ans为什么等于r-l+1:比如一开始我们l是1,r是2,sum,也就是和值=3,小于我们的k值。此时我们就可以被r++,那么相应的,ans,也就是子矩阵(放在这里就是连续子序列的个数)增加了多少呢?方案从“1,2,12”变成了“1,2,3,12,23,123”,可以自己模拟一下,会发现原来的数列里所有以i(1<=i<x,x为当前增加的数)为开头,以原本的最后一位为结尾的方案都会作为新加入的数的方案之一(也就是上面例子的23和123,都是新方案),再加上这个数本身, 就是r-l+1。

代码如下:

#include<bits/stdc++.h>
using namespace std;
#define int long longint a[505][505] = { 0 };
int s[505][505] = { 0 };signed main()
{int n, m, k;cin >> n >> m >> k;for (int i = 1;i <= n;i++){for (int j = 1;j <= m;j++){cin >> a[i][j];s[i][j] += s[i][j - 1] + s[i - 1][j] - s[i - 1][j - 1] + a[i][j];}}int ans = 0;for (int i = 1;i <= n;i++){for (int j = i;j <= n;j++){//以上两个循环枚举两条线int l, r;l = r = 1;while (r <= m)//双指针{if (s[j][r] - s[j][l - 1] - s[i - 1][r] + s[i - 1][l - 1] <= k){ans += r - l + 1;r++;}else l++;}}}cout << ans;return 0;
}

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/780340.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

vue3使用UEditorPlus 、后端配置、上传图片等处理

前端安装 vue3安装vue-ueditor-wrap // vue-ueditor-wrap v3 仅支持 Vue 3 npm i vue-ueditor-wrap3.x -S // or yarn add vue-ueditor-wrap3.x 下载 UEditorPlus 仓库地址 把dist文件复制到vue3项目中的public下&#xff0c;重命名为UEditorPlus UEditorPlus文档 在main.…

ArcGIS支持下SWAT与CENTURY模型的结合:流域水碳氮综合模拟

目录 专题一 流域水碳氮建模 专题二 数据准备 专题三 流域水模拟 专题四 流域氮模拟 专题五 流域碳模拟 专题六 模型结果分析及地图制作 更多应用 基于ArcGIS的SWAT模型是一类比较典型的流域模型&#xff0c;结合SWAT模型和生物地球化学循环模型可以实现流域水碳氮综合模…

[EFI]Dell Inspiron 15 5567 电脑 Hackintosh 黑苹果efi引导文件

硬件型号驱动情况主板 Dell Inspiron 15R 5567 处理器Intel Core i7-7500U 2.50 GHz Processor (4M Cache, up to 3.50 GHz)已驱动内存8GB, 2400MHz, DDR4, up to 16GB已驱动硬盘东芝 NVMe 512G已驱动显卡Intel HD Graphics 620已驱动声卡ALC3246 Analog (ALC256)已驱动网卡无无…

根据实例逐行分析NIO到底在做什么

Selector&#xff08;选择器&#xff09;是 Channel 的多路复用器&#xff0c;它可以同时监控多个 Channel 的 IO 状况&#xff0c;允许单个线程来操作多个 Channel。Channel在从Buffer中获取数据。 选择器、通道、缓冲池是NIO的核心组件。 一、新建选择器 此时选择器内只包含…

Nginx-记

Nginx是一个高性能的web服务器和反向代理服务器&#xff0c;用于HTTP、HTTPS、SMTP、POP3和IMAP协议。因它的稳定性、丰富的功能集、示例配置文件和低系统资源的消耗而闻名。 &#xff08;1&#xff09;更快 这表现在两个方面&#xff1a;一方面&#xff0c;在正常情况下&…

【OpenGL】使用 python + Qt + OpenGL 的现代渲染

伴随资源 目录 一、说明二、 关于PyQt6.x2.1 QOpenGLWidget详细说明2.2 绘画技巧 三、PyOpenGL四、OpenGL 管线五、Python集成开发环境5.1 Emacs配置5.2 pycharm环境 六、你好&#xff0c;OpenGL&#xff01;七、QGL控件八、平截头体.svg九、定义几何9.1 立即模式与保留模式9…

awk使用场景案例

1、从nginx访问日志统计访问top10的IP awk {a[$1]}END{for (i in a)print i,a[i] } access.log |sort -k2 -nr|head -10解释说明&#xff1a; awk {a[$1]} 用a数列获取第一个数据&#xff0c;表示统计END{for (i in a)print i,a[i] } END用来写循环语句&#xff0c;用for循环…

OpenAI发布Voice Engine模型!用AI合成你的声音!

大家好&#xff0c;我是木易&#xff0c;一个持续关注AI领域的互联网技术产品经理&#xff0c;国内Top2本科&#xff0c;美国Top10 CS研究生&#xff0c;MBA。我坚信AI是普通人变强的“外挂”&#xff0c;所以创建了“AI信息Gap”这个公众号&#xff0c;专注于分享AI全维度知识…

2024年150道高频Java面试题(八)

15. 什么是 Java 中的注解&#xff1f;它有哪些用途&#xff1f; Java 中的注解&#xff08;Annotation&#xff09;是一种用于为代码添加元数据的机制。简而言之&#xff0c;注解是提供给编译器或运行时环境的信息&#xff0c;用来解释或说明代码的某些方面。注解不会改变代码…

比torchvision更强大,从timm库引用预训练模型和本地加载的方法

1&#xff0c;介绍 torchvision是大家最常用的预训练模型来源&#xff0c;但是其包含的预训练模型种类很少&#xff0c;往往并不能满足研究者们的需求。 而timm库提供了一个更强大的替代选项。 利用如下代码查询 import timmprint(len(timm.list_models())) 输出 1032 可…

c++编译出来的程序a,当在linux 系统终端执行./a 发生了哪些事情?

路径解析&#xff1a; 用户输入 ./a 并按下回车。终端中的 shell&#xff08;如 bash、zsh 等&#xff09;开始解析这个命令&#xff0c;确认 a 是一个可执行文件并且存在于当前目录中。权限检查&#xff1a; Shell 检查 a 文件是否具有执行权限。如果没有执行权限&#xff0c;…

FastAPI+React全栈开发14 FastAPI如何开发REST接口

Chapter03 Getting Started with FastAPI 14 How does FastAPI speak REST FastAPIReact全栈开发14 FastAPI如何开发REST接口 Let’s create a minial FastAPI application, a classic Hello World example, and start examining how FastAPI structures the endpoints. I u…

Android Studio 2023.2.1版本 kotlin编译报错踩坑

1、需求 由于最近在整理项目&#xff0c;做一些公共基础组件Maven仓库封装&#xff0c;由于之前项目jar包和kotlin版本很老&#xff0c;kotlin版本1.3.72版本 Gradle使用5.4.1 Android Studio版本是2023.2.1&#xff0c;分别依次顺序如下图所示。 如下图所示 2、分析编译报错…

如何利用大模型LLM辅助,使用Python完成将CSV快速导入MySQL数据库

目录 一、适合场景 二、开发过程说明 三、功能使用流程 四、代码 1、安装python依赖库 2、完整代码段 一、适合场景 无废话&#xff0c;CSV中有少量不合规数据需要手工处理可利用此方法&#xff0c;适合有点经验的程序员&#xff0c;可以不熟Python&#xff0c;思路还是要…

第三十七章 管理和监控Web网关 - Web 网关缓存表

文章目录 第三十七章 管理和监控Web网关 - Web 网关缓存表Web 网关缓存表手动关闭连接清除缓存测试服务器连接 第三十七章 管理和监控Web网关 - Web 网关缓存表 Web 网关缓存表 第四个状态表列出了 Web Gateway 响应缓存中保存的表单。 Cached Forms - 缓存表单的名称&#x…

图像旋转算法双线性插值法详解

双线性插值法是一种常用的插值算法&#xff0c;用于在图像旋转、缩放等操作中估计目标像素的灰度值。它基于近邻像素之间的灰度变化趋势进行推断&#xff0c;从而提供更平滑和精确的结果。 双线性插值算法的基本思想如下&#xff1a; 首先&#xff0c;根据旋转角度确定旋转中心…

vue2完结

笔记 关于不同版本的Vue: 1.vue.js与vue.runtime.xxx.js的区别&#xff1a;&#xff08;1&#xff09;vue.js是完整版的Vue,包含&#xff1a;核心功能模板解析器&#xff08;2&#xff09;vue.runtime.xxx.js是运行版本的Vue,只包含核心功能&#xff0c;没有模板解析器 2.因为…

docker快速安装单节点和多点MongoDB副本集

文章目录 概要一、单节点副本集二、多节点副本集三、参考 概要 最近项目的MongoDB版本终于升级到了MongoDB4.4了&#xff0c;可以使用使用事务了&#xff0c;但MongoDB的不支持单节点事务&#xff0c;至少是副本集。 测试环境没必要搭建复杂的副本集&#xff0c;还好官方给出了…

【动手学深度学习-pytorch】-9.3深度循环神经网络

到目前为止&#xff0c;我们只讨论了具有一个单向隐藏层的循环神经网络。 其中&#xff0c;隐变量和观测值与具体的函数形式的交互方式是相当随意的。 只要交互类型建模具有足够的灵活性&#xff0c;这就不是一个大问题。 然而&#xff0c;对一个单层来说&#xff0c;这可能具有…