Question

因此，当我在编程竞赛（ACM ICPC等）中遇到一些练习问题时，人们经常会使用O（N ^ 2）解决方案，甚至更糟糕的是，使用Heap（C ++中的priority_queue）或者一个deque来降低复杂性。（作为某种优化，在注意到模式中的“某些东西”之后）

例如在“最大滑动窗口”问题中，这几乎是：

For each window of size K in an array of size N, compute the maximum.

有一个简单的O（NK）算法，一个相当容易的O（nlogn）解决方案（甚至我可以看到它，使用堆）和O（N）解决方案，使用双端队列。

这些原则似乎是“抛弃”无用值，或查询某个地区以寻找财产（最大值，累计金额，最小值等）的原则。

例如，要将一些O（N ^ 2）算法转换为O（NlogN），有时您可以使用priority_queue并保持弹出值，直到您在某个窗口中获得一个值，而不是循环遍历所有先前的N个元素找到最大值。

任何人都有好的建议吗？（除了做更多的问题......我正试图这样做）

Answer 1

DP算法的基础是分裂问题。

为了减少时间复杂度，让我们以不同的方式分解问题。

对于实施DP算法，我们使用许多简单的子算法，例如sort，tree（即使它不是算法），...

如果您想降低时间复杂度，请更快地体现此算法。

如果您使用排序，请使用快速排序或堆排序，而不是选择/冒泡排序。

如果要获取最小/最大值，请使用堆或优先级队列。

如果你不能制作更快的递推公式，那么使用更快的子算法减少时间。