ST算法------是用来求解给定区间RMQ的最值,本文以最小值为例

ST算法分为两部分

  • 离线预处理(nlogn):运用DP思想,用于求解区间最值,并保存到一个二维数组中。

  • 在线查询 (O(1)):对给定区间进行分割,借助该二维数组求最值

离线预处理

该二维数组是什么?

  • 设该二维数组为dp[n][n], 则dp[i][j]表示以i为起点,以2^j为区间长度的区间最值即表示数组[i, i+2^j-1]区间的最值。
  • 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。
  • 比如,dp[0][2]表示区间[0,3]的最小值,即等于4,dp[2][2]表示区间[2,5]的最小值,即等于1。

如何求一个dp[i][j]的最值?

  • 在求解dp[i][j]时,将它表示的数组区间分成两部分即将[i,i+2^j-1]分成两份,每份区间长度为2^(j-1)。之后在分别求解这两个区间dp[i][j-1]和dp[i+2^(j-1)][j-1]的最值,然后结合这两个区间求整个区间的最值。(特殊情况:当j=0时,区间长度为1,此时区间中只有一个元素,此时dp[i][0]等于每一个元素的值)。
  • 举例:要求解dp[1][2]的最小值,即求解区间[1, 4]={4,6,10,1}的最小值,将区间分为等长两部分[1,2],[3,4],求这两个区间的最小值,此时这两个区间最小值又对应着dp[1][1],dp[3][1]的最小值。
  • 状态转移方程是 dp[i][j] = min(dp[i][j - 1],dp[i + 2^(j - 1)][j - 1])
  • 初始状态为:dp[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dp[0][1],dp[1][1],dp[2][1],dp[3][1],,,dp[n][1],再求.dp[0][2],dp[1][2],dp[2][2],dp[3][2],,,dp[m][2],... 。

在线查询

  • 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。

  • 然后就可以将区间 [x, y]划分成两个小区间[x,x+2^i-1],[y-2^i+1,y]即对应着dp[x][i],dp[y-2^i+1][i]

最后上代码!

#include<iostream>
#include<algorithm>
using namespace std;
const int maxn=1e5+;
int dpmin[maxn][],dpmax[maxn][];
int a[maxn];
void initrmq(int n)
{
int i, j;
for(i=; i<=n; i++)
{
dpmin[i][]=a[i];
dpmax[i][]=a[i];
}
for(j=; <<j<=n; j++)
for(i=; i+(<<j)<=n+; i++)
{
dpmin[i][j]=min(dpmin[i][j-], dpmin[i+(<<(j-))][j-]);
dpmax[i][j]=max(dpmax[i][j-], dpmax[i+(<<(j-))][j-]);
}
}
int queryrmq(int l, int r, int op) // 传入op=0,表示最小值,op=1,表示最大值
{
int k=log2(r-l+);
if(op==)
return min(dpmin[l][k], dpmin[r-(<<k)+][k]);
else
return max(dpmax[l][k], dpmax[r-(<<k)+][k]);
}
int main()
{
int i, m, q, n;
cin>>n>>q;
for(i=; i<=n; i++)
cin>>a[i];
initrmq(n);
while(q--)
{
int l, r, op;
cin>>l>>r>>op;
cout<<queryrmq(l,r,op)<<endl;
}
}

RMQ(Range MinimumQuery)问题之ST算法的更多相关文章

  1. RMQ((Range Minimum/Maximum Query))ST算法

    给定一个数组,求出给定区间[l,r]中元素的最大值或最小值或者最值的索引. 一看到这个题目,简单,看我暴力出奇迹.暴力当然是可行的.但是时间复杂度很高(O(n^2)).线段树,树状数组也可以解决这个问 ...

  2. RMQ问题(线段树+ST算法)

    转载自:http://kmplayer.iteye.com/blog/575725 RMQ (Range Minimum/Maximum Query)问题是指:对于长度为n的数列A,回答若干询问RMQ ...

  3. [CF 191C]Fools and Roads[LCA Tarjan算法][LCA 与 RMQ问题的转化][LCA ST算法]

    参考: 1. 郭华阳 - 算法合集之<RMQ与LCA问题>. 讲得很清楚! 2. http://www.cnblogs.com/lazycal/archive/2012/08/11/263 ...

  4. RMQ问题(线段树算法,ST算法优化)

    RMQ (Range Minimum/Maximum Query)问题是指: 对于长度为n的数列A,回答若干询问RMQ(A,i,j)(i,j<=n),返回数列A中下标在[i,j]里的最小(大)值 ...

  5. HDU 3183 - A Magic Lamp - [RMQ][ST算法]

    题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=3183 Problem DescriptionKiki likes traveling. One day ...

  6. 求解区间最值 - RMQ - ST 算法介绍

    解析 ST 算法是 RMQ(Range Minimum/Maximum Query)中一个很经典的算法,它天生用来求得一个区间的最值,但却不能维护最值,也就是说,过程中不能改变区间中的某个元素的值.O ...

  7. RMQ问题之ST算法

    RMQ问题之ST算法 RMQ(Range Minimum/Maximum Query)问题,即区间最值问题.给你n个数,a1 , a2 , a3 , ... ,an,求出区间 [ l , r ]的最大 ...

  8. RMQ之ST算法模板

    #include<stdio.h> #include<string.h> #include<iostream> using namespace std; ; ],M ...

  9. RMQ (Range Minimal Query) 问题 ,稀疏表 ST

    RMQ ( 范围最小值查询 ) 问题是一种动态查询问题,它不需要修改元素,但要及时回答出数组 A 在区间 [l, r] 中最小的元素值. RMQ(Range Minimum/Maximum Query ...

随机推荐

  1. python从零安装

    一 python 1.安装python https://www.python.org/ 环境变量path添加 ;C:\Python27;C:\Python27\Lib\site-packages;C: ...

  2. 【Android】Android apk默认安装位置设置

    在Android工程中,设置apk的默认安装位置 在AndroidManifest.xml文件Manifest标签中添加android:installLocation属性 android:instal ...

  3. 使用Phar来打包发布PHP程序

    简单来说,Phar就是把Java界的jar概念移植到了PHP界. Phar可以将一组PHP文件进行打包,还可以创建默认执行的stub(或者叫做 bootstrap loader),Phar可以选择是否 ...

  4. Linux安装Tomcat-Nginx-FastDFS-Redis-Solr-集群——【第四集之安装Linux】

    1,确保Linux镜像的路径存在 2,启动 3,在真实机情况下,进入BIOS修改安装操作系统的路径[记住:虚拟机不需要这一步.] 如果是真实机安装Linux,默认是从硬盘中安装,而不是从光盘.这就需要 ...

  5. Python交互图表可视化Bokeh:6. 轴线| 浮动| 多图表

    绘图表达进阶操作 ① 轴线设置② 浮动设置③ 多图表设置 1. 轴线标签设置 设置字符串 import numpy as np import pandas as pd import matplotli ...

  6. day16 函数的用法:内置函数,匿名函数

    思维导图需要补全 : 一共有68个内置函数: #内置:python自带 # def func(): # a = 1 # b = 2 # print(locals()) # print(globals( ...

  7. myBatis之Clob & Blob

    1. 表结构 1.1 在Mysql中的数据类型,longblob  -->  blob, longtext --> clob 2. 配置文件, 请参考  myBatis之入门示例 3. L ...

  8. Intellij IDEA实现SpringBoot项目多端口启动

    前言 有时候使用springboot项目时遇到这样一种情况,用一个项目需要复制很多遍进行测试,除了端口号不同以外,没有任何不同.这时我们强大的Intellij IDEA就能替我们实现. 实现方法 第一 ...

  9. 语音VLAN异常流量分析

    现象描述:有线网络里,接入层交换机上,凡是被划入语音vlan的端口,都会呈现出相同的流量表现,而且瞬间流量都很大,30 - 40 MB级别,对有线网络的稳定性有很大的影响. 设备型号: IP 电话:A ...

  10. PSD的单位及计算方法[转]

      功率谱密度(PSD)的国际单位 功率谱密度(PSD),单位为:unit^2/Hz代表单位频率上信号的能量,所以是密度谱,幅值代表频段内的有效值平方. 如果是加速度功率谱密度,加速度的单位是m/s^ ...