莫队算法详解.pdfVIP

莫队算法详解 本文翻译自MO’s A lgorithm (Query square root de omposition) ，作者anudeep2011，发表日期为2014- 12-28 。由于最近碰到一些莫队算法的题目，找到的相关中文资料都比较简略，而这篇英语文章则 讲解的比较详细，故翻译成中文与大家分享。由于本人水平有限，错误在所难免，请谅解。下面 是译文。 我又发现了一个有用，有趣但网上资源非常少的话题。在写作之前，我做了一个小调查，令我惊 讶的是，几乎所有的印度程序员都不知道该算法。学习这个很重要，事实上所有的 odefor es红名 程序员都使用这个算法，比如在div 1 C题和D题中。在一年半以前没有这方面的题目，但从那时起 这类题目的数量就爆发了！我们可以期待这在未来的比赛中会有更多的这类题目。 莫队算法详解 问题描述 复杂度O(N 2 ) 的简单的解法 一个解决上述问题的算法及其正确性 √−− 对上述算法的复杂性证明 - O( N ∗ N ) 上述算法的适用范围 习题和示例代码 问题描述 给定一个大小为N的数组，数组中所有元素的大小=N。你需要回答M个查询。每个查询的形式是 L，R。你需要回答在范围[ L，R ] 中至少重复3次的数字的个数。 例如：数组为{ 1，2 ，3 ，1，1，2 ，1，2 ，3 ，1 } （索引从0开始） 查询：L = 0 ，R = 4 。答案= 1。在范围[L，R] 中的值 = { 1，2 ，3 ，1，1 } ，只有1是至少重复3次的。 查询：L = 1， R = 8 。答案= 2 。在范围[L，R] 中的值 = { 2 ，3 ，1，1，2 ，1，2 ，3 } ， 1重复3遍并且2 重复3次。至少重复3次的元素数目=答案= 2 。 复杂度O(N 2 ) 的简单的解法 对于每一个查询，从L至R循环，统计元素出现频率，报告答案。考虑M = N的情况，以下程序在最 2 坏的情况运行在O （n2 ） for each query: answer = 0 count[] = 0 for i in {l..r}: count[array[i]]++ if count[array[i]] == 3: answer++ 对上述算法稍作修改。它仍然运行在O （n2 ） add(position): count[array[position]]++ if count[array[position]] == 3: answer++ remove(position): count[array[position]]-- if count[array[position]] == 2: answer-- currentL = 0 currentR = 0 answer = 0 count[] = 0 for each query: // currentL 应当到 L, currentR 应当到 R while currentL L: remove(currentL) currentL++ while currentL L: add(currentL) currentL-- while currentR R: add(currentR) currentR++ while currentR R: remove(currentR) currentR-- output answer 最初我们总是从L至R循环，但现在我们从上一次查询的位置调整到当前的查询的位置。 如果上一次的查询是L = 3 ，R = 10 ，则我们在查询结束时有 urrentL=3 、 urrentR=10 。如果下一个 查询是L = 5 ，R = 7 ，则我们将 urrentL 移动到5 ， urrentR 移动到7