算法基础1.4.2差分与二维差分
前言
学习差分前一定要先学习前缀和,因为差分就是前缀和的一个逆运算(有点像微分和积分),所以只有先搞清楚前缀和才能明白差分
这里同样也是从一维和二维两个角度去分析差分这个算法
正文
我们要先理清差分的含义:注意关系,这里跟前缀和里举的例子有差别,b的前缀和数组是a(为了便于理解)
那么现在已知a
数组,要求你构造一个b
数组,使a
数组是b
数组的前缀和。
其实对于一维来说构造相当简单,我们让b[n] = a[n] - a[n-1]
即可。
但是现在我们不使用这种思路。
我们只需要先明白一点:我们通过a
的差分数组b
,可以得到a
数组本身。其实也可以理解为一种映射。
一维差分
例子引入
这里给出一个差分数组的实际使用案例
我们有a
数组和他的差分数组b
,现在我们需要给a
数组的[l , r]
区间内的数都加c
。正常情况下我们需要进行一次遍历,给区间每一个数都加上c
,时间复杂度为O(n)。
但是上面我们说过,我们可以通过差分数组得到原数组,所以如果我们改动了差分数组,就相当于对原数组做了处理:尽管实际上a
数组中的元素都没有改变,但是以后我们都是通过差分数组来得到原数组,而不是通过a
来得到原数组(相当于我们通过a
创建完他的差分数组后,a
就可以不要了,因为b
可以映射出a
)。
所以现在我们的操作就是:b[l] += c
和b[r+1] -=c
-
我们映射
a
数组是通过a[n] = b[1] +b[2] +....+ b[n]
-
在映射
a
数组[1, l-1]
时,上面两个位置都没有用到,所以a
数组在[1, l-1]
区间的值都没有改变 -
在映射
a
数组[l, r]
时,我们的加法里包含b[l]
而不包含b[r]
,由于b[l]
加了c
,所以这一段中的a
元素也会随着+c -
在映射
a
数组[r+1, .....]
时,我们两个位置都用到了,而+=c
和-=c
的影响会抵消掉,所以后面跟第一段区间一样,元素都没有受到影响 -
综上,只有
[l, r]
区间中的a
数组元素+c,这便达成了我们的目的。时间复杂度为O(1)
我们从上述的例子中得到了更新的方法,便是b[l] += c
和b[r+1] -= c
以更新代构造
我们可以直接通过这种更新方式作为构造差分数组的方法
尽管我们知道a
数组里有数据,但是我们现在就假定里面的数据全为0,那么显然,现在他的差分数组里面也全是0,然后假设我们现在开始从第1
为更新a
数组
由上面的例子我们知道,这种更新可以通过b
来完成
- 第一次,我们让
a[1] = a1
(放入第一个数据),其实就相当于上面例子中的让a
数组[1, 1]
区间内的所有数都+a1
- 那么与上个例子一样,我们要做的就是
b[1] += a1
和b[2] -= a1
- 第二次让
a[2] = a2
,即b[2] += a2
和b[3] -= a3
- 推理下去,我们的构造方式就很明显了,遍历
a
数组,进行b[n] += a[n]
和b[n+1] -= a[n]
的步骤。最终就能构造出差分数组b
代码
二维差分
这里的思路与上面的一样,都是通过更新方法代替构造方法。
所以做重要的就是要理清更新方法
现在假如我们让(x , y) += c
,与上面的分析同理,我们不难发现他的作用是将这个点与右下角形成的矩阵中的所有点的数值加c,如下图黄色区域所示
与上面考法相同,这里我们会给出两个坐标,我们需要让这两个坐标形成的矩阵中的所有点数值增加
那么根据更新的方法,我们就不难想到这种更新的策略
- 我们先用
(x1 , y1)
更新,让他下面的所有都增加。 - 然后借助两个紫色的点更新减法,让他们下面的区域都减少。
- 由于两个区域重合,所以再更新
(x2+1 , y2+1)
增加一份来补全多减的那部分(还是要注意,这是数组,不是连续的,而且我们要包含边界) - 总结为公式:
(x1 , y1) += c
,(x1 , y2+1) -= c
,(x2+1 , y1) -= c
,(x2+1 , y2+1) += c
代码
__EOF__

本文链接:https://www.cnblogs.com/zaughtercode/p/17178846.html
关于博主:qq:1730119093 欢迎加我讨论
版权声明:本博客所有文章除特别声明外,均采用 BY-NC-SA 许可协议。转载请注明出处!
声援博主:如果您觉得文章对您有帮助,可以点击文章右下角【推荐】一下。您的鼓励是博主的最大动力!
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 阿里最新开源QwQ-32B,效果媲美deepseek-r1满血版,部署成本又又又降低了!
· 开源Multi-agent AI智能体框架aevatar.ai,欢迎大家贡献代码
· Manus重磅发布:全球首款通用AI代理技术深度解析与实战指南
· 被坑几百块钱后,我竟然真的恢复了删除的微信聊天记录!
· AI技术革命,工作效率10个最佳AI工具