3점: 단봉함수라고 불리는 함수가 있는데 그들은 유일한 극대치점을 가지고 극대치 왼쪽에서 엄격하게 단점이 상승하고 오른쪽에서 엄격하게 단조롭게 떨어진다.또는 유일한 극소치점은 왼쪽은 엄격하게 단조롭게 내려가고 오른쪽은 엄격하게 단조롭게 올라간다.삼분법으로 극치를 구할 수 있다.
함수역 [l,r]에서 두 개의 lmid와 rmid
를 취한다
만약에 f(lmid)
같은 이치로 f(lmid)>f(rmid)라면 r=mid.만약 함수가 엄격하고 단조롭지 않다면 한식에 값이 같은 부분이 존재하면 정의역의 좌우 경계가 어떻게 축소되는지 판단할 수 없고 3분법은 더 이상 적용되지 않는다.
2점 답안: 답안과 원문제가 단조로울 때 답안을 2점으로 나누고 매번 체크()를 한다.
정렬
이산화:sort+unique, 수치가 비교적 크지만 분산된 수를 유한 집합으로 비추어 통계에 편리하도록 한다.
중위수: 우리는 1차원 서열에서 한 점을 찾아서 다른 점이 그것의 거리와 가장 짧은 시간에 중위수가 바로 답이 되도록 해야 한다.증명: 서열을 정렬하고 x번째 점을 선택하면 x는 왼쪽에 P점, 오른쪽에 Q점이 있습니다.만약 P < Q 라면 x를 오른쪽으로 한 단위 거리를 이동하면 거리의 합은 Q-p로 작아진다.같은 이치로 P>Q라면 x를 왼쪽으로 이동하지 않으면 거리와 거리가 작아지고 P=Q일 때가 가장 좋다.즉, ∑|s[i]-s[k]|, s[k]를 찾아서 식을 최소화하면 이 s[k]가 바로 s의 중위수이다.
제k대수: 구간을 정하고 제k를 구한다.최소 O (nlgn) 를 정렬합니다.빠른 배열의 사상을 이용하여 매번 기준치를 선택한 후에 기준치보다 큰 수량 cnt를 통계해 낸다. 만약에 k<=cnt라면 왼쪽으로 찾아라. 그렇지 않으면 오른쪽에서 k-cnt를 찾아라. 시간의 복잡도는 O(n)
이다.
역순대: 병합 정렬을 이용하여 해답을 구한다.구간 [l, r]에서mid=(l+r)/2, i는 l에서mid, j는mid+1에서 r, a[i]>a[j]일 때 a[i~mid]는 반드시 a[j]보다 크다. 단독으로 보면 좌우 구간은 이미 순서가 정해져 있기 때문에sum+=mid-i+1이면 된다.
갑절
일반적인 선형 추이가 시간과 공간의 복잡도에 대한 요구를 충족시키지 못할 때 배로 증가하는 방식으로 추이 상태 공간이 2의 정수 차멱에 있는 값만 대표할 수 있다.다른 위치의 값이 필요할 때, 우리는 '임의의 정수로 몇 개의 2의 차멱항의 합을 나타낼 수 있다' 는 성질을 통해 이전에 구한 대표 값을 사용하여 원하는 값으로 조합할 수 있다.이 알고리즘은 우리가 점차적으로 추측하는 문제의 상태 공간이 2의 차멱에 대해 구분성을 가지도록 요구한다.
이런 문제를 생각해 보자. N으로 긴 수열을 제시하고 매번 T를 주며 가장 큰 정수 k를 구하면 ∑(a[1]~a[k])<=T.
일반적인 방법은 두 가지인데 첫 번째는 직접 O(n)로 쓸어버리는 것이다. 분명히 효율이 매우 느리다.두 번째는 O(n)가 접두사와 2점 k를 미리 처리하고 매번 O(lgn)를 물어보는 것이다.두 번째는 평균 상황에서 잘 보이지만 매번 주는 T가 작으면 k도 작을 것이다. 이때 2점은 그냥 지나가는 것보다 빠를 수도 있다.
우리는 이러한 배증 알고리즘을 설계할 수 있다.
령p=1,k=0,sum=0,예처리처 접두사와 S;
A 수조에서 k 이후 p 개수의 관계와 T와의 관계를 비교한다.만약sum+S[k+p]-S[k]<=T라면sum+=S[k+p]-S[k],k+=p,p*=2,즉 이 p개수의 합을 더해서 경계를 배로 늘린다.만약sum+S[k+p]-S[k]>T라면 p/=2.
상소 절차를 반복하고 p의 값이 0인 것을 알면 k가 답이다
ST 알고리즘: RMQ 문제를 배수로 구하고 나무에 LCA를 배수로 구한다.
탐욕스럽다
욕심법은 문제의 전체적인 최우성을 국부적인 최우성으로 유도할 수 있고 증명해야 한다. 흔히 볼 수 있는 증명 방법은 다음과 같다.
소요(인접 항목 교환): 임의의 국면에서 국부적 최우선 전략에 대한 미세한 변화가 전체적인 결과를 나쁘게 할 수 있음을 증명한다.서열을 욕심 전략으로 하는 증명에 자주 쓰인다.예제: 국왕놀이
범위 축소: 국부적 최우선 전략 작용 범위의 확장이 전체적인 결과를 나쁘게 하지 않는다는 것을 증명한다.예제: 레이더 설비
의사결정 포용성: 임의의 국면에서 국부적으로 가장 좋은 의사결정을 한 후에 문제 상태 공간에서의 가달 집합은 다른 의사결정을 한 후의 가달 집합을 포함한다.다시 말하면, 이 부분적인 최우선 전략이 제공할 가능성은 다른 모든 전략이 제공할 가능성을 포함한다.
반증법.
수학 귀납법.
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다: