js支持的整数的有效范围

Posted 2023-03-24

参考技术A js支持的整数的有效范围是，-2的53次方至2的53次方
也就是-9007199254740992~9007199254740992。
可以在浏览器里输入在这个范围之外的数试试，返回的值多数跟输入不一样。

实际应用，后台传过来的是16位整数，可能会导致一些查询操作得不到正确的结果
因此建议传递16位及以上的整数时，转化为字符串传输。

在某些范围更新后获得整数数组的最终状态的有效算法是什么？

我给了一个数组arr[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}。我必须做一些范围更新。在每次更新中，我将获得三个整数left, right, new_value。这意味着我必须将arr的所有元素从索引left更新为right（从0开始的索引）到new_value。最后，我必须告诉这些更新后数组arr的最终状态是什么。

在这种情况下，假设有2个更新。第一次更新说将0...3更新到13，第二次更新说要将2...6更新为0。 arr的最终状态是{13, 13, 0, 0, 0, 0, 0, 8, 9, 10}。这是我试过的代码：

int main()
{
    int arr[10] = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10};
    for (size_t i = 1; i <= 2; i++)
    {
        int left, right, new_value;
        cin >> left >> right >> new_value;

        for (size_t j = left; j <= right; j++)
        {
            arr[j] = new_value;
        }
    }
    for (size_t i = 0; i < 10; i++)
    {
        cout << arr[i] << endl;
    }
}

但问题是如果数组的大小是n并且有q查询。然后我的方法的时间复杂性是O(n * q).我的问题是什么将是一个更好的方法？

答案

您需要做的是创建一个中间数据结构，该结构对于进行范围更新而言很便宜。

最简单的数据结构是树。一个实现可以使树的每个节点包含以下字段：

left_index
right_index
left_subtree
right_subtree
is_constant
value

您可以在时间O(n)填充它，使得索引填充，索引相同，子树null，is_constant true和值，然后用is_constant false填充所有上层。

每个更新查询只涉及从上到下遍历。诀窍在于，如果你在树中将is_constant设置得更高，则不需要更新它下面的子树 - 它们都将被“屏蔽”。因此每次更新都是时间O(log(n))。

从树复制到您的阵列再次是O(n)操作。

树代码将是适度棘手的，但q查询的总时间是O(n) + O(q * log(n)) + O(n) = O(n + q * log(n))。这是对O(q * n)的重大改进。

---

以下是树更新的工作原理。

所以我们有一棵树。我们有三个值，left, right, value。然后，更新通过以下Pythonish伪代码递归进行：

def update_tree (self, left, right, value):
    if right < left:
        return # empty interval
    elif right < self.left_index:
        return # No overlap
    elif self.right_index < left:
        return # No overlap
    elif left <= self.left_index and self.right_index <= right:
        # No need to update the subtree - this is our win.
        self.is_constant = True
        self.value = value
    else:
        # We need to only update part of this tree.
        self.is_constant = False
        self.left_subtree.update_tree(left, right, value)
        self.right_subtree.update_tree(left, right, value)

另一答案

有效地执行此操作的最简单方法是维护一个有序集合，该集合仅存储索引0的值以及那些值与前一个索引不同的索引。

由于您使用的是C ++，因此可以将index - > value映射放在std::map<int,int>中。

在每次更新时，您花费O（log n）时间来查找修改地图的位置（使用map.lower_bound），然后您将添加最多2个条目，并且可能删除一些预先存在的条目或您添加的一些条目之前。

预先存在的条目总数<= n，您添加的条目总数<= 2q，因此删除的条目总数为<= n + 2q。

总的复杂性是O（n + q * log n）

另一答案

这似乎也是优先级队列的情况。将查询的每个左右部分与适当的数组单元相关联。

[(13,1), 2, (0,2), (-13,1), 5,
 6, (-0,2), 8, 9, 10]

(If more than one fall on one cell,
 aggregate them.)

现在，当我们从左到右遍历时，我们对一件事情感兴趣：我们当前在哪个更新间隔（如果有的话）在最后的查询中提供？后者“排名”是查询部分的优先级。

我们从（13,1）开始，我们将其置于优先级队列中并保持输出13直到达到（0,2）。我们将（0,2）添加到优先级队列，这需要更高的优先级。我们继续输出0.我们到达（-13,1），它告诉我们从优先级队列中删除（13,1），并继续putput 0直到（-0,2）调用删除（0,2） ）。我们以8,9,10结束。

另一答案

将间隔代数应用于您的查询。新查询优先于旧查询。在您发布的情况下，您可以从一张干净的纸张开始第一个查询添加了事务

0   3    13

第二个更新此表

0   1    13     // note the range change -- intervals may not overlap
2   6     0

大多数语言都有间隔模块，可以为您提供支持。对您的表进行排序，使得对于新查询的每个端点，搜索不会比O（log q）差 - 并且直接索引方法会将此删除为O（n）。

在您不在查询之前不要进行任何更新。间隔过程为O（q），更新为O（n），因此您的总体复杂度为O（q + n）。