跳转到主内容
趣航编程网 - 趣学编程,启航技术之路!

C++实现区间最大值RMQ查询的高效分块优化算法查询复杂度解析 _ 实战【实战】

分块优化算法通过将数组划分为大小为⌊√n⌋的块,预处理块内最大值,使区间最大值查询达到O(√n)时间复杂度和O(√n)空间复杂度,兼顾高频查询与内存受限场景。

如果您需要在大规模静态数组上执行高频区间最大值查询,且内存受限无法使用ST表,分块优化算法可提供平衡的时空性能。以下是实现该算法并解析其查询复杂度的具体步骤:

一、分块预处理:构建块内最大值数组

将长度为n的原数组划分为若干大小为B的连续块(最后一块可不足B),对每一块单独计算并存储其内部最大值,形成长度为⌈n/B⌉的块最大值数组。该步骤确保后续查询时能快速跳过完整块,仅需处理边界零碎区间。

1、设定块长B = ⌊√n⌋,避免块数与块长失衡导致最坏查询退化。

2、遍历原数组下标i从0到n−1,计算当前元素所属块编号block_id = i / B(整除)。

立即学习“C++免费学习笔记(深入)

”;

3、对每个block_id,维护临时变量max_in_block,每次遇到新元素即执行max_in_block = max(max_in_block, a[i])。

4、在每块结束位置(即i % B == B−1 或 i == n−1时),将max_in_block存入block_max[block_id]。

二、查询处理:三段式覆盖与合并

对任意查询区间[l, r],将其拆解为左零散段、中间完整块段、右零散段三部分;左、右零散段直接线性扫描,中间块段通过查block_max数组获取各块最大值后取全局max。该策略保证查询时间严格受限于最多2B个元素扫描加最多⌈n/B⌉次数组访问。

1、计算左端点所在块left_block = l / B,右端点所在块right_block = r / B。

2、若left_block == right_block,说明[l, r]完全落在同一块内,直接遍历a[l]至a[r]求最大值。

3、否则,初始化ans = INT_MIN;先扫描左零散段:从l到min(r, (left_block + 1) * B − 1),更新ans。

4、再扫描右零散段:从max(l, right_block * B)到r,更新ans。

5、最后遍历中间块编号从left_block + 1到right_block − 1,对每个i执行ans = max(ans, block_max[i])。

三、块长B的最优选择与查询复杂度推导

查询复杂度由零散段扫描代价O(B)与完整块访问代价O(n/B)共同决定;二者之和f(B) = B + n/B在B = √n时取得最小值,此时总查询时间为O(√n),空间开销为O(√n)用于存储block_max数组。

C知道CSDN推出的一款AI技术问答工具下载

1、令B为正整数变量,写出查询最坏情况下的操作数上界表达式:

T(B) = 2B + ⌈n/B⌉。

2、忽略取整误差,视T(B) ≈ 2B + n/B,对其关于B求导得dT/dB = 2 − n/B²。

3、令导数为0,解得驻点B₀ = √(n/2),代入后T(B₀) ≈ 2√(n/2) + n/√(n/2) = 2√(n/2) + √(2n) =2√(2n)。

4、实践中取B = ⌊√n⌋或B = ⌈√n⌉均可保证T(B) ≤3√n,满足O(√n)渐进界。

四、边界安全处理:防止越界与负数干扰

原始数组含负数时,初始ans不能设为0,否则将掩盖真实负最大值;同时块划分与索引计算必须严格使用闭区间语义,避免因整除截断或边界偏移导致遗漏元素。

1、声明ans变量时初始化为

INT_MIN,而非0或−1。

2、计算块起始下标用start = block_id * B,块终止下标用end = min(n − 1, (block_id + 1) * B − 1)。

3、在扫描零散段前,显式校验l ≤ r,若不成立则立即返回INT_MIN或抛出异常。

4、对block_max数组分配大小为

((n + B - 1) / B),使用整数向上取整公式避免块数少算。

五、与ST表及线段树的复杂度对比验证

分块算法不依赖预处理倍增结构,无需O(n log n)时间建表,其O(n)预处理与O(√n)查询构成确定性上界;在n ≥ 1e7且q ≥ 1e5场景下,总操作量约为1e5 × 3×√1e7 ≈1e9,远低于线段树O(q log n) ≈ 1e5 × 24 = 2.4e6次操作但常数高3–5倍的实际耗时,也规避了ST表O(n log n) ≈ 1e7 × 24 = 2.4e8字节内存占用问题。

1、ST表空间复杂度为

O(n log n),当n=1e7时约需280MB内存,而分块仅需O(√n)即约4KB。

2、线段树单次查询为

O(log n),但实际指令数含多次分支预测失败与缓存未命中;分块访问局部性强,块内扫描连续,CPU预取效率更高。

3、在q次查询中,若q √n,分块的O(q√n)开始显现优势,拐点明确。

相关文章