基礎算法總結
說點大家知道的
位運算
二進制狀態壓縮
- 第 k 位:
(n>>k)&1 - 第 0 ~ k-1 位:
n&((1<<k)-1) - 將第 k 位取反:
n xor (1<<k) - 將第 k 位設為 1:
n|(1<<k) - 將第 k 位設為 0:
n&(~(1<<k))
成對變換
對于 n 為奇數, n xor 1 = x-1
對于 n 為偶數, n xor 1 = x+1
因此我們可以將 (0,1) , (2,3) ··· 為一對。
lowbit 運算
lowbit(n) = n&(~n+1) = n&(-n)
實際意義:
找出二進制下第一個是1的位置。
lowbit(0b1011011000) = 1000
運算優先級
| 優先級 | 運算符 | 名稱或含義 | 使用形式 | 結合方向 | 說明 |
|---|---|---|---|---|---|
| 1 | [] | 數組下標 | 數組名[常量表達式] | 左到右 | |
| () | 圓括號 | (表達式) 函數名(形參表) | |||
| . | 成員選擇(對象) | 對象.成員名 | |||
| -> | 成員選擇(指針) | 對象指針->成員名 | |||
| 2 | - | 負號運算符 | -表達式 | 右到左 | 單目運算符 |
| (類型) | 強制類型轉換 | (數據類型)表達式 | |||
| ++ | 自增運算符 | ++變量名 變量名++ | 單目運算符 | ||
| -- | 自減運算符 | --變量名 變量名-- | 單目運算符 | ||
| * | 取值運算符 | *指針變量 | 單目運算符 | ||
| & | 取地址運算符 | &變量名 | 單目運算符 | ||
| ! | 邏輯非運算符 | !表達式 | 單目運算符 | ||
| ~ | 按位取反運算符 | ~表達式 | 單目運算符 | ||
| sizeof | 長度運算符 | sizeof(表達式) | |||
| 3 | / | 除 | 表達式 / 表達式 | 左到右 | 雙目運算符 |
| * | 乘 | 表達式*表達式 | 雙目運算符 | ||
| % | 余數(取模) | 整型表達式%整型表達式 | 雙目運算符 | ||
| 4 | + | 加 | 表達式+表達式 | 左到右 | 雙目運算符 |
| - | 減 | 表達式-表達式 | 雙目運算符 | ||
| 5 | << | 左移 | 變量<<表達式 | 左到右 | 雙目運算符 |
| >> | 右移 | 變量>>表達式 | 雙目運算符 | ||
| 6 | > | 大于 | 表達式>表達式 | 左到右 | 雙目運算符 |
| >= | 大于等于 | 表達式>=表達式 | 雙目運算符 | ||
| < | 小于 | 表達式<表達式 | 雙目運算符 | ||
| <= | 小于等于 | 表達式<=表達式 | 雙目運算符 | ||
| 7 | == | 等于 | 表達式==表達式 | 左到右 | 雙目運算符 |
| != | 不等于 | 表達式!= 表達式 | 雙目運算符 | ||
| 8 | & | 按位與 | 表達式&表達式 | 左到右 | 雙目運算符 |
| 9 | ^ | 按位異或 | 表達式^表達式 | 左到右 | 雙目運算符 |
| 10 | | | 按位或 | 表達式|表達式 | 左到右 | 雙目運算符 |
| 11 | && | 邏輯與 | 表達式&&表達式 | 左到右 | 雙目運算符 |
| 12 | || | 邏輯或 | 表達式||表達式 | 左到右 | 雙目運算符 |
| 13 | ?: | 條件運算符 | 表達式1? 表達式2: 表達式3 | 右到左 | 三目運算符 |
| 14 | = | 賦值運算符 | 變量=表達式 | 右到左 | |
| /= | 除后賦值 | 變量/=表達式 | |||
| *= | 乘后賦值 | 變量*=表達式 | |||
| %= | 取模后賦值 | 變量%=表達式 | |||
| += | 加后賦值 | 變量+=表達式 | |||
| -= | 減后賦值 | 變量-=表達式 | |||
| <<= | 左移后賦值 | 變量<<=表達式 | |||
| >>= | 右移后賦值 | 變量>>=表達式 | |||
| &= | 按位與后賦值 | 變量&=表達式 | |||
| ^= | 按位異或后賦值 | 變量^=表達式 | |||
| |= | 按位或后賦值 | 變量|=表達式 | |||
| 15 | , | 逗號運算符 | 表達式,表達式,… | 左到右 |
雙指針
雙指針算法是一種通過設置兩個指針不斷進行單向移動來解決問題的算法。

例題:
給定一個長度為n的數組a和一個整數x,現在要請你在數組中尋找一個區間,使得這個區間的元素之和等于x。這樣的區間存在多個,請按字典序大小輸出。
CODE:
signed main(){
cin>>n;
for(int i=1;i<=n;i++) cin>>a[i];
cin>>m;
while(sum<m&&r<n) sum+=a[++r];
if(r==n) return 0;
if(sum==m) cout<<l<<' '<<r<<'\n';
for(r++;r<=n;r++){
sum+=a[r];
while(sum-a[l]>=m&&l<=r) sum-=a[l++];
if(sum==m) cout<<l<<' '<<r<<'\n';
}
return 0;
}
前綴和與差分
前綴和
一維:
對于數組 A[]
設置前綴和數組為 \(sum_i=\sum_{j=1}^i {A_j}\)
因此 A[l]+A[l+1]+···+A[r-1]+A[r] = sum[r]-sum[l-1]
二維:
對于數組:A[][]
設置前綴和數組為: \(sum_{i,j}=\sum_{u=1}^i \sum_{v=1}^j A_{u,v}\)
因此 \(\sum_{u=a}^b \sum_{v=c}^d A_{u,v} = sum_{b,d}-sum_{a,d}-sum_{b,c}+sum_{a,c}\)
圖是:

適用場景
查詢區間多,修改少。
差分
對于數組 A[]
設置差分數組為: d[i] = A[i]-A[i-1] (d[1]=A[1])
因此: A[i] = d[1]+d[2]+d[3]+···+d[i]
適用場景
修改多,查詢少。
二分靠左
int ask_l(int k){
int r=1,l=n;
while(r<l){
int mid=(r+l)/2;
if(a[mid]>=k) l=mid;
else r=mid+1;
}
if(a[r]==k) return r-1;
return -1;
}
二分靠右
int ask_r(int k){
int r=1,l=n;
while(r<l){
int mid=(r+l+1)/2;
if(a[mid]>k) l=mid-1;
else r=mid;
}
if(a[r]==k) return r-1;
return -1;
}
二分查找相關函數 若存在序 a{0,1,3,3,3,5,8};
1. binary_search(a+1,a+n+1,x)
查找單調序列中,在指定區域內[1,n]是否存在目標值x。存在返回true,不存在返回false
例:int k=binary_search(a+1,a+7,3);//k=1
2. lower_bound(a+1,a+n+1,x)
查找不降序列中,在指定區域內[1,n]大于等于目標值x的第一個元素所在地址。(靠左查找)
例:int pos=lower_bound(a+1,a+7,3)-a;//元素位置在a+2,因此pos=2。
3. upper_bound(a+1,a+n+1,x)
查找不降序列中,在指定區域內[1,n]大于目標值x的第一個元素所在地址。(靠右查找)
例:int pos=lower_bound(a+1,a+7,3)-a;//元素位置在a+5,因此pos=5。
倍增
主要運用于:
LCA
void dfs(int x,int fa){
f[x][0]=fa;
dep[x]=dep[fa]+1;
for(int i=1;i<=20;i++)
f[x][i]=f[f[x][i-1]][i-1];
for(int i=head[x];i;i=nxt[i]){
int y=ver[i];
if(y==fa) continue;
dfs(y,x);
}
}
int lca(int a,int b){
if(dep[a]<dep[b]) swap(a,b);
for(int i=20;i>=0;i--){
if(dep[f[a][i]]>=dep[b])
a=f[a][i];
}
if(a==b) return a;
for(int i=20;i>=0;i--){
if(f[a][i]!=f[b][i])
a=f[a][i],b=f[b][i];
}
return f[a][0];
}
DP優化
請轉到 DP動態規劃。
排序
最實用的排序做法
sort: 升序排序
各大排序算法比較
| 排序算法 | 時間復雜度(最壞) | 時間復雜度(平均) | 時間復雜度(最好) | 空間復雜度 | 穩定性 | 核心特點與適用場景 |
|---|---|---|---|---|---|---|
| 冒泡排序 | O(n2) | O(n2) | O(n)(優化后) | O(1) | 穩定 | 簡單直觀,適合極小規模數據;優化后可提前終止,但效率低,實際應用少。 |
| 選擇排序 | O(n2) | O(n2) | O(n2) | O(1) | 不穩定 | 簡單,交換次數少,但無論數據是否有序都需遍歷,適合數據量極小且交換成本高的場景。 |
| 插入排序 | O(n2) | O(n2) | O(n) | O(1) | 穩定 | 對部分有序數據效率高(如接近有序的數組),適合小規模數據或作為其他算法的子步驟(如桶排序)。 |
| 歸并排序 | O(n log n) | O(n log n) | O(n log n) | O(n) | 穩定 | 效率穩定,適合大規模數據,可并行化,但需額外空間存儲臨時數組。 |
| 快速排序 | O(n2) | O(n log n) | O(n log n) | O(log n) | 不穩定 | 實際應用中平均速度最快,適合大規模數據,但最壞情況性能差(可通過隨機基準優化)。 |
| 堆排序 | O(n log n) | O(n log n) | O(n log n) | O(1) | 不穩定 | 時間穩定且空間最優,適合大規模數據,但對緩存不友好(隨機訪問多),實際速度略慢于快排。 |
| 計數排序 | O(n + k) | O(n + k) | O(n + k) | O(n + k) | 穩定 | 非比較排序,適合數據范圍小的整數(如0~1000),速度極快,但受限于數據范圍。 |
| 桶排序 | O(n2) | O(n + k) | O(n + k) | O(n + k) | 穩定 | 依賴數據分布,適合均勻分布的大規模數據(如浮點數),桶內排序影響整體性能。 |
| 基數排序 | O(d*(n + k)) | O(d*(n + k)) | O(d*(n + k)) | O(n + k) | 穩定 | 按位排序,適合整數或固定長度字符串,無需比較大小,但位數d影響效率。 |
| std::sort | O(n log n) | O(n log n) | O(n log n) | O(log n) | 不穩定 | 標準庫混合實現(快速排序+堆排序+插入排序),優化成熟,適合絕大多數場景。 |

浙公網安備 33010602011771號