[蓝桥杯]修改数组

修改数组

题目描述

给定一个长度为 NN 的数组 A=A1,A2,⋅⋅⋅,ANA=A1​,A2​,⋅⋅⋅,AN​,数组中有可能有重复出现的整数。

现在小明要按以下方法将其修改为没有重复整数的数组。小明会依次修改A2,A3,⋅⋅⋅,ANA2​,A3​,⋅⋅⋅,AN​。

当修改 AiAi​ 时,小明会检查 AiAi​ 是否在 A1A1​ ∼ Ai−1Ai​−1 中出现过。如果出现过,则小明会给 AiAi​ 加上 1 ;如果新的 AiAi​ 仍在之前出现过,小明会持续给 AiAi​ 加 1 ,直 到 AiAi​ 没有在 A1A1​ ∼ Ai−1Ai​−1 中出现过。

当 ANAN​ 也经过上述修改之后,显然 AA 数组中就没有重复的整数了。

现在给定初始的 AA 数组,请你计算出最终的 AA 数组。

输入描述

第一行包含一个整数 NN。

第二行包含 NN 个整数 A1,A2,⋅⋅⋅,ANA1​,A2​,⋅⋅⋅,AN​。

其中,1≤N≤105,1≤Ai≤1061≤N≤105,1≤Ai​≤106。

输出描述

输出 NN 个整数,依次是最终的 A1,A2,⋅⋅⋅,ANA1​,A2​,⋅⋅⋅,AN​。

输入输出样例

示例

输入

复制代码
5
2 1 1 3 4

输出

复制代码
2 1 3 4 5

运行限制

  • 最大运行时间:1s
  • 最大运行内存: 256M

总通过次数: 6130 | 总提交次数: 8905 | 通过率: 68.8%

难度: 困难 标签: 2019, 并查集, 省赛

算法思路

本题需要高效处理数组重复元素,核心挑战在于避免暴力解法的O(n²)时间复杂度。最优解法使用​​并查集​​,通过路径压缩实现高效查找:

  1. ​并查集维护​:每个数字指向下一个可用值
  2. ​路径压缩​:查询时优化后续访问路径
  3. ​动态分配​:处理数字递增时的关联关系

https://oi-wiki.org/ds/images/dsu1.png
并查集路径压缩示意图

代码实现(C++)

cpp 复制代码
#include <iostream>
using namespace std;

const int MAX = 2000005; // 最大数值范围
int fa[MAX]; // 并查集数组

// 带路径压缩的并查集查询
int find(int x) {
    if (x != fa[x]) 
        fa[x] = find(fa[x]); // 路径压缩
    return fa[x];
}

int main() {
    ios::sync_with_stdio(false);
    cin.tie(0);
    
    int n;
    cin >> n;
    
    // 初始化并查集
    for (int i = 1; i < MAX; i++) 
        fa[i] = i;
    
    // 处理每个数字
    for (int i = 0; i < n; i++) {
        int num;
        cin >> num;
        int root = find(num); // 找到当前可用值
        cout << root << " ";
        fa[root] = find(root + 1); // 指向下一个可用值
    }
    
    return 0;
}

算法步骤详解

  1. ​初始化​ :创建并查集数组fa,初始每个元素指向自己
  2. ​处理元素​
    • 输入数字num
    • 通过find(num)找到实际可用值root
    • 输出root并更新fa[root] = find(root+1)
  3. ​路径压缩​find()函数递归优化查询路径

代码解析

  1. ​并查集设计​​:

    • fa数组存储每个数字的下一个可用值
    • 初始状态:fa[i] = i(每个数字都可用)
  2. ​路径压缩​​:

    cpp 复制代码
    if (x != fa[x]) 
        fa[x] = find(fa[x]); // 核心优化

    将查询路径上的所有节点直接指向根节点,大幅减少后续查询时间

  3. ​动态更新​​:

    cpp 复制代码
    fa[root] = find(root + 1);

    当前数字使用后,指向下一个可用数字的根(处理连续被占用情况)

实例验证

​输入​ ​:5\n2 1 1 3 4

​处理过程​​:

  1. 初始:fa[1]=1, fa[2]=2,...
  2. 处理2find(2)=2,输出2,设置fa[2]=find(3)=3
  3. 处理1find(1)=1,输出1,设置fa[1]=find(2)=3(因fa[2]=3
  4. 处理1find(1)=find(3)=3,输出3,设置fa[3]=find(4)=4
  5. 处理3find(3)=4,输出4,设置fa[4]=find(5)=5
  6. 处理4find(4)=5,输出5
    ​输出​2 1 3 4 5

注意事项

  1. ​数组大小​​:

    • 需设置MAX = 初始最大值 + n + 5(示例中2000005)
    • 最坏情况:所有元素为1,最大值为1 + n
  2. ​时间复杂度​​:

    • 单次find()均摊O(α(n))(反阿克曼函数)
    • 整体O(nα(n)) ≈ O(n)
  3. ​边界处理​​:

    • 首元素不需处理
    • 输入数据保证n≥1

测试点设计

​测试类型​ ​输入样例​ ​预期输出​ ​验证重点​
最小规模 1\n5 5 单元素处理
全相同值 5\n1 1 1 1 1 1 2 3 4 5 连续递增处理
无重复 5\n5 4 3 2 1 5 4 3 2 1 无修改情况
边界值 100000\n(全1) 1 2 ... 100000 最大数据性能
混合重复 6\n2 2 1 3 3 1 2 3 1 4 5 6 非连续重复

优化建议

  1. ​内存优化​​:

    cpp 复制代码
    vector<int> fa(MAX); // 动态分配

    根据n动态设置MAX值,减少内存占用

  2. ​输入优化​​:

    cpp 复制代码
    ios::sync_with_stdio(false);
    cin.tie(0); // 解除IO同步
  3. ​非递归查询​​(避免递归爆栈):

    cpp 复制代码
    int find(int x) {
        int root = x;
        while (root != fa[root]) 
            root = fa[root];
        while (x != root) {
            int next = fa[x];
            fa[x] = root;
            x = next;
        }
        return root;
    }
  4. ​预分配空间​​:

    cpp 复制代码
    fa.reserve(MAX); // 减少vector扩容
相关推荐
Dillon Dong1 小时前
【风电控制】TI TMS320F28379D 双CPU架构解析与任务分布设计
嵌入式硬件·算法·变流器·风电控制
NiceCloud喜云6 小时前
Opus 4.8 的 Effort Control 怎么选:Low 到 Max 五档策略
android·java·大数据·前端·c++·python·spring
小羊在睡觉7 小时前
力扣84. 柱状图中最大的矩形
后端·算法·leetcode·golang·go
cjhbachelor7 小时前
c++继承
c++
3DVisionary7 小时前
蓝光三维扫描:医疗制造的精度焦虑怎么解
人工智能·算法·制造·蓝光三维扫描·医疗制造·三维检测·义齿检测
好评笔记7 小时前
机器学习面试八股——常用损失函数
人工智能·深度学习·算法·机器学习·校招
weixin_468466857 小时前
全局与局部注意力机制新手实战指南
人工智能·python·深度学习·算法·自然语言处理·transformer·注意力机制
肩上风骋7 小时前
C++14特性
开发语言·c++·c++14特性
_日拱一卒7 小时前
LeetCode:994腐烂的橘子
java·数据结构·算法·leetcode·深度优先
珂朵莉MM8 小时前
第七届全球校园人工智能算法精英大赛-算法巅峰赛产业命题赛第3赛季优化题--束搜索
人工智能·算法