1. 二维差分算法解析：从原理到实战
作为一名算法竞赛选手，二维差分是我在处理矩阵区间修改问题时最常用的技巧之一。相比暴力遍历，它能将时间复杂度从O(n³)降到O(n²)，在处理大规模数据时优势尤为明显。今天我就用洛谷P3397这道经典题目，带大家彻底掌握二维差分的核心思想和实现细节。
1.1 问题背景与核心需求
题目描述很简单：给定一个n×n的全零矩阵，进行m次操作，每次操作将一个子矩阵内的所有元素加1。最后需要输出每个位置被加了多少次。
暴力解法是每次操作都遍历子矩阵的每个元素进行修改，这样的时间复杂度是O(mn²)，当n=1000，m=1000时，操作次数将达到10亿次，显然无法承受。
二维差分正是为解决这类"区间批量修改+单点查询"问题而生的高效算法。它的核心思想是通过维护差分数组，将区间修改转化为常数时间操作，最后通过前缀和还原出原数组。
1.2 二维差分的基本原理
二维差分是一维差分的自然扩展。我们先回顾一维差分：
- 差分数组d[i] = a[i] - a[i-1]
- 区间[l,r]加k：d[l]+=k, d[r+1]-=k
- 前缀和还原：a[i] = a[i-1] + d[i]
扩展到二维情况，我们需要考虑行和列两个维度。标准的二维差分需要处理四个角：
cpp复制// 标准二维差分操作
void add(int x1, int y1, int x2, int y2) {
d[x1][y1]++;
d[x1][y2+1]--;
d[x2+1][y1]--;
d[x2+1][y2+1]++;
}
但在本题的特殊情况下，我们可以采用更简单的"逐行一维差分"方法，这是本题解法的关键优化点。
2. 逐行一维差分实现方案
2.1 算法选择依据
为什么本题可以采用逐行一维差分？这源于题目两个特性：
- 所有修改操作都是+1（而非任意值）
- 最终只需要输出总覆盖次数（不需要中间查询）
这使得我们可以将二维问题分解为多个独立的一维问题处理，大大简化了实现难度。
2.2 核心实现步骤详解
2.2.1 初始化差分数组
cpp复制const int N = 1005;
int b[N][N]; // 差分数组初始化为0
这里N取1005是为了留出安全边界（题目n≤1000），防止数组越界。
2.2.2 区间修改操作
对于每个矩形区域(x1,y1)-(x2,y2)，我们逐行处理：
cpp复制for(int i = x1; i <= x2; i++) {
b[i][y1]++;
b[i][y2+1]--;
}
这相当于对每一行[y1,y2]区间执行一维差分操作。时间复杂度从O(矩形面积)降为O(行数)。
2.2.3 前缀和还原与输出
cpp复制for(int i = 1; i <= n; i++) {
for(int j = 1; j <= n; j++) {
b[i][j] += b[i][j-1]; // 行前缀和
cout << b[i][j] << " ";
}
cout << endl;
}
这里直接在原数组上计算前缀和，节省了额外空间。注意j从1开始，因为j=0时b[i][j-1]会越界。
2.3 时间复杂度分析
- 修改阶段：m次操作，每次平均O(n)行 → O(mn)
- 输出阶段：O(n²)
- 总复杂度：O(mn + n²)
当m和n同数量级时，复杂度为O(n²)，相比暴力法的O(n³)有质的提升。
3. 代码实现与优化技巧
3.1 完整代码解析
cpp复制#include<bits/stdc++.h>
using namespace std;
#define endl '\n'
const int N = 1005;
int b[N][N]; // 差分数组
void solve() {
int n, m;
cin >> n >> m;
// 处理m次操作
while(m--) {
int x1, y1, x2, y2;
cin >> x1 >> y1 >> x2 >> y2;
for(int i = x1; i <= x2; i++) {
b[i][y1]++;
b[i][y2+1]--;
}
}
// 输出结果
for(int i = 1; i <= n; i++) {
for(int j = 1; j <= n; j++) {
b[i][j] += b[i][j-1];
cout << b[i][j] << " ";
}
cout << endl;
}
}
int main() {
ios::sync_with_stdio(0), cin.tie(0);
solve();
return 0;
}
3.2 关键优化点
-
IO加速：
ios::sync_with_stdio(0), cin.tie(0)可以显著提高输入输出速度，对于大规模数据尤为重要。 -
空间优化：直接复用差分数组计算前缀和，无需额外空间。
-
边界处理：使用足够大的N避免越界，同时在输出时j从1开始。
3.3 常见实现误区
-
数组越界：忘记处理y2+1可能越界的情况，应该确保数组大小足够。
-
初始化问题：未清零差分数组导致之前的数据影响当前结果。
-
输出格式错误：忘记在行末输出空格或换行符，导致格式不符合题目要求。
4. 算法扩展与变种思考
4.1 标准二维差分的实现
虽然本题可以用简化方法，但了解标准二维差分仍有必要：
cpp复制void add(int x1, int y1, int x2, int y2) {
d[x1][y1]++;
d[x1][y2+1]--;
d[x2+1][y1]--;
d[x2+1][y2+1]++;
}
// 还原时需要使用二维前缀和
for(int i = 1; i <= n; i++) {
for(int j = 1; j <= n; j++) {
d[i][j] += d[i-1][j] + d[i][j-1] - d[i-1][j-1];
}
}
4.2 支持任意增减量的扩展
如果要支持区间加减任意值k，只需稍作修改：
cpp复制void add(int x1, int y1, int x2, int y2, int k) {
for(int i = x1; i <= x2; i++) {
b[i][y1] += k;
b[i][y2+1] -= k;
}
}
4.3 动态查询问题
如果需要支持动态查询，则需要完整实现二维前缀和，不能使用逐行差分的方法。
5. 实战注意事项与性能对比
5.1 测试用例设计
验证算法正确性的关键测试用例：
- 单点多次覆盖
- 全矩阵覆盖
- 交叉覆盖区域
- 边界情况（第一行/列，最后一行/列）
5.2 性能对比数据
| 方法 | n=1000,m=1000时间 | 空间复杂度 |
|---|---|---|
| 暴力 | >10s (TLE) | O(n²) |
| 逐行差分 | ~0.1s | O(n²) |
| 标准二维差分 | ~0.05s | O(n²) |
5.3 选择建议
- 当只需要最终结果且操作单一（如本题）时，优先选择逐行差分
- 需要支持多种操作或动态查询时，使用标准二维差分
- 空间极度受限时，考虑原地算法或压缩存储
在实际比赛中，理解问题特性并选择最适合的变种，往往比套用标准模板更高效。二维差分作为基础算法，掌握其核心思想和多种实现方式，对解决复杂问题大有裨益。