关于二维/多维前缀和

二维/多维前缀和

将一维前缀和拓展到多维的情形,就是多维前缀和.常见的多维前缀和的求解方法有两种.

基于容斥原理

这种方法多用于二维前缀和的情形.给定大小为 𝑚 ×𝑛 的二维数组 𝐴,要求出其前缀和 𝑆.那么,𝑆 同样是大小为 𝑚 ×𝑛 的二维数组,且

𝑆𝑖,𝑗=∑𝑖′≤𝑖∑𝑗′≤𝑗𝐴𝑖′,𝑗′.

类比一维的情形,𝑆𝑖,𝑗 应该可以基于 𝑆𝑖−1,𝑗 或 𝑆𝑖,𝑗−1 计算,从而避免重复计算前面若干项的和.但是,如果直接将 𝑆𝑖−1,𝑗 和 𝑆𝑖,𝑗−1 相加,再加上 𝐴𝑖,𝑗,会导致重复计算 𝑆𝑖−1,𝑗−1 这一重叠部分的前缀和,所以还需要再将这部分减掉.这就是容斥原理.由此得到如下递推关系:

𝑆𝑖,𝑗=𝐴𝑖,𝑗+𝑆𝑖−1,𝑗+𝑆𝑖,𝑗−1−𝑆𝑖−1,𝑗−1.

实现时,直接遍历 (𝑖,𝑗) 求和即可.

同样的道理,在已经预处理出二维前缀和后,要查询左上角为 (𝑖1,𝑗1)、右下角为 (𝑖2,𝑗2) 的子矩阵的和,可以计算

𝑆𝑖2,𝑗2−𝑆𝑖1−1,𝑗2−𝑆𝑖2,𝑗1−1+𝑆𝑖1−1,𝑗1−1.

这可以在 𝑂(1) 时间内完成.

在二维的情形,以上算法的时间复杂度可以简单认为是 𝑂(𝑚𝑛),即与给定数组的大小成线性关系.但是,当维度 𝑘 增大时,由于容斥原理涉及的项数以指数级的速度增长,时间复杂度会成为 𝑂(2𝑘𝑁),其中 𝑘 是数组维度,而 𝑁 是给定数组大小.因此,该算法不再适用.

给定数组大小.因此,该算法不再适用.

详见前缀和 & 差分 - OI Wiki

相关推荐
罗西的思考14 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(2)
人工智能·算法·机器学习
罗西的思考15 小时前
【轻量化复刻大模型 / KIMI K3】Multi-Token Prediction(MTP / EAGLE-3)(1)
人工智能·算法·机器学习
武子康16 小时前
H3-World 接入 Game Agent:谁来判断门真的打开了?
人工智能·算法·机器学习
武子康21 小时前
H3-World 扩展跳跃与开门:新动作怎样进入训练数据?
大数据·人工智能·算法
卡尔曼的BD SLAMer21 小时前
北斗导航 |GNSS ION论文集汇总1997到2022(链接在文末)
算法·北斗导航
时间的拾荒人21 小时前
Redis Cluster 集群详解:分片算法、搭建、故障处理与扩容实战
数据库·redis·算法·集群
老师我太想进步了20261 天前
【数据结构-8】栈的实现
c语言·数据结构·算法
kyle~1 天前
因子图优化(Factor Graph Optimization)
c++·算法·机器人·传感器
Pniubi1 天前
贪心算法入门
算法·贪心算法
MobotStone1 天前
AI 能不能越用越会用?从“改答案”到“改进自己”,读懂 RSI
人工智能·算法