差分算法(java)

一、差分的核心:记录「变化量」而非「具体值」

先举个生活例子,你就懂了:假设你有一本记账本,记录每天的零花钱:

  • 第 1 天:5 元
  • 第 2 天:7 元
  • 第 3 天:7 元
  • 第 4 天:10 元

如果用「普通记录法」(对应原数组),就是记 [5,7,7,10];如果用「差分记录法」,只记当天比前一天多了多少(前一天默认 0):

  • 第 1 天:5 - 0 = 5 元(比第 0 天多 5)
  • 第 2 天:7 - 5 = 2 元(比第 1 天多 2)
  • 第 3 天:7 - 7 = 0 元(比第 2 天没多)
  • 第 4 天:10 - 7 = 3 元(比第 3 天多 3)

最终差分记录的数组(差分数组)就是 [5,2,0,3]。

一句话总结差分 :差分数组 d 是原数组 a 的「相邻变化量数组」,核心公式(下标从 1 开始):d[i] = a[i] - a[i-1](a[0] 默认为 0)。

反过来,知道差分数组也能还原原数组:把差分数组从头累加(算前缀和)就行。比如上面的差分数组 [5,2,0,3]:

  • 第 1 天:5(累加第 1 个)
  • 第 2 天:5+2=7(累加前 2 个)
  • 第 3 天:5+2+0=7(累加前 3 个)
  • 第 4 天:5+2+0+3=10(累加前 4 个)刚好还原出原数组,这就是差分的「可逆性」。

二、差分的真正价值:快速改区间

差分不是为了记录数据,而是为了高效修改区间值------ 这也是竞赛里用它的核心原因。

还是用零花钱举例:如果想给「第 2 天到第 4 天」每天的零花钱都加 3 元,两种做法对比:

  1. 普通做法:直接改原数组,需要改 3 个位置:第 2 天:7+3=10,第 3 天:7+3=10,第 4 天:10+3=13 → 改 3 次。
  2. 差分做法 :只改差分数组的 2 个位置,最后还原就行:
    • 想让「第 2 天开始」都加 3 → 差分数组第 2 位 +3(d[2] = 2+3=5);
    • 想让「第 5 天(4+1)停止」加 3 → 差分数组第 5 位 -3(但这里只有 4 天,不用管);改完差分数组是 [5,5,0,3],还原后:第 1 天:5,第 2 天:5+5=10,第 3 天:10+0=10,第 4 天:10+3=13 → 结果一样,但只改了 2 次!

如果区间是「第 2 天到第 10000 天」,普通做法要改 9999 次,差分还是只改 2 次 ------ 这就是效率的天壤之别!

三、差分改区间的通用规则(必记)

对原数组的区间 [l, r] 所有数加 val,只需对差分数组做:

  1. d[l] += val(从 l 开始,后面都加 val);
  2. d[r+1] -= val(到 r 结束,r+1 开始取消加 val)。

(如果 r 是数组最后一位,d[r+1] 可以不管,因为超出数组范围了,不影响还原)

总结

  1. 差分本质是记录「原数组相邻元素的变化量」,而非具体值;
  2. 差分的核心优势是:修改区间值只需操作 2 个位置,时间复杂度从 O (n) 降到 O (1);
  3. 差分数组能通过「前缀和」还原出原数组,是可逆的。

简单说,差分就是为了「批量改区间」而生的工具,竞赛里遇到「给某个区间所有数加 / 减一个值」的题,优先想差分准没错!

相关推荐
zyl76518 小时前
FlashAttention 详解:从 GPU 硬件、普通 Attention 到分块计算与 Online Softmax
算法
爱读书的小胖21 小时前
LeetCode 122:买卖股票的最佳时机 II(C)解题分析
算法
结局无敌21 小时前
React Native for OpenHarmony 实战:三方库 react-native-modal-dialog 的鸿蒙化适配指南
深度学习·算法·react native·react.js·harmonyos
OPEN-F1 天前
ROS2系列教程:上位机建图与导航(原理综合)
算法·机器人
weixin_307779131 天前
C++代码实现MATLAB中的fitrtree函数功能
开发语言·c++·算法·matlab
tomwang03221 天前
路径优化建模、优化算法分类及工程化小结
算法·数学建模·分类
小羊没烦恼!1 天前
Ajax与JSON的一些总结
android·java·前端·数据库·mysql·算法·okhttp
2501_926978331 天前
人机通信协议--人和机器之间的交互想象
人工智能·经验分享·算法·ai写作
行者全栈架构师1 天前
【鸿蒙心迹】互动卡片全链路——把核心功能放到桌面(FormKit 实战)(HarmonyOS 7.x)
前端·算法·架构
无定义_1 天前
10.11日常训练
算法