【BZOJ3922】Karin的弹幕

本文探讨了一种处理B站鬼畜视频弹幕等差数列求最大值及单点修改的高效算法。通过建立线段树结构,实现了复杂操作的快速响应,特别针对视频弹幕时间序列特性,优化了数据查询与修改效率。

Description

Karin在战斗之余的闲暇时光里喜欢上B站看鬼畜视频,尤其喜欢发弹幕。她这天对一个视频的弹幕产生了兴趣,她记录了每个时间点的弹幕数量,并且可能对一段呈等差数列的时间的弹幕数量求最大值;她还可能修改某个时间点的弹幕数量。
为了不在Yuuna面前暴露出她弱爆了的数学能力,保持她傲娇的属性,你需要帮助她。
精简题意:给定一个序列,支持以下操作:①对一段下标是等差数列的子序列进行求最大值操作(参见输入格式);②单点修改。
Input

第一行是一个整数n,
第二行是一个长度为n的整数序列a1…an,
第三行是一个整数m,
接下来m行,每行首先有一个整数op,
然后,若op=0,则之后有两个整数p,v,代表将a[p]的值加上v,
若op=1,则之后有两个整数x0,d,代表询问max{a[x0],a[x0+d],a[x0+2d],…,a[x0+kd]}(x0+kd<=n,x0+(k+1)d>n)。
数据中可能有多余空格。
Output

对每个op=1,单独输出一行,代表该等差子序列的最大值。
Sample Input

【输入样例1】

10

1 6 1 4 9 4 8 2 8 5

10

1 3 3

0 5 4

0 3 8

1 2 5

1 4 8

1 7 5

1 3 6

0 1 2

1 5 3

1 4 9

【输入样例2】

10

-9 -6 2 -10 -2 -6 10 6 -4 -2

10

1 2 3

1 6 3

0 7 8

0 4 -6

0 10 -5

1 10 4

0 3 -8

1 2 4

0 10 -5

1 1 2
Sample Output

【输出样例1】

8

8

4

8

9

13

4

【输出样例2】

6

-4

-7

-6

18
HINT

【数据范围】

1<=n<=70000,

1<=m<=70000,

保证任何时刻abs(a[i])(1<=i<=n)<=2147483647,

0<=op<=1,

1<=p<=n,

abs(v)<=2147483647

1<=x0<=n,

1<=d<=n,

保证涉及的所有数在C++的int内。

2015.4.2新加四组数据

块爷的测试题
建一大堆线段树
公差大暴力,公差小线段树

#include<iostream>
#include<cstdio>
#include<cstring>
#include<cmath>
#include<vector>
#include<algorithm>
#define MAXN 70010
#define GET (ch>='0'&&ch<='9')
#define lchild rt<<1,l,mid
#define rchild rt<<1|1,mid+1,r
#define ln rt<<1
#define rn rt<<1|1
#define MAXINT 0x7fffffff
using namespace std;
int n,m,size;
int a[MAXN];
void in(int &x)
{
    char ch=getchar();x=0;int flag=1;
    while (!GET)    flag=ch=='-'?-1:1,ch=getchar();
    while (GET) x=x*10+ch-'0',ch=getchar();x*=flag;
}
struct seg  {   int l,r,maxn;   };
vector<seg> tree[70][70];
vector<int> b[70][70];
void push_up(int k,int x0,int rt)
{
    tree[k][x0][rt].maxn=max(tree[k][x0][ln].maxn,tree[k][x0][rn].maxn);
}
void build(int k,int x0,int rt,int l,int r)
{
    tree[k][x0][rt].l=l;tree[k][x0][rt].r=r;int mid=(l+r)>>1;
    if (l==r)   {   tree[k][x0][rt].maxn=b[k][x0][l];return;    }
    build(k,x0,lchild);build(k,x0,rchild);push_up(k,x0,rt);
}
void modify(int k,int x0,int rt,int x,int delta)
{
    int L=tree[k][x0][rt].l,R=tree[k][x0][rt].r,mid=(L+R)>>1;
    if (L==R)   {   tree[k][x0][rt].maxn+=delta;return; }
    if (x<=mid) modify(k,x0,ln,x,delta);    else    modify(k,x0,rn,x,delta);
    push_up(k,x0,rt);
}
int query(int k,int x0,int rt,int l,int r)
{
    int L=tree[k][x0][rt].l,R=tree[k][x0][rt].r,mid=(L+R)>>1;
    if (l<=L&&r>=R) return tree[k][x0][rt].maxn;
    if (r<=mid) return query(k,x0,ln,l,r);
    else    if (l>mid)  return query(k,x0,rn,l,r);
    else    return max(query(k,x0,ln,l,mid),query(k,x0,rn,mid+1,r));
}
int main()
{
    in(n);int opt,x0,d;
    for (int i=1;i<=n;i++)  in(a[i]);
    in(m);
    size=(int)sqrt((double)m/(log((double)n)/log(2.0)))/14;
    if (!size)  size=1;
    for (int i=1;i<=size;i++)//公差  
        for (int j=1;j<=size;j++)//首项  
        {
            b[i][j].push_back(0);
            for (int k=j;k<=n;k+=i) b[i][j].push_back(a[k]);
            tree[i][j].assign((b[i][j].size()-1)<<2|1,(seg){0,0,-MAXINT});
            build(i,j,1,1,b[i][j].size()-1);
        }
    for (int i=1;i<=m;i++)
    {
        in(opt);in(x0);in(d);
        if (!opt)
        {
            a[x0]+=d;
            for (int j=1;j<=size;j++)
            {
                int a=(x0%j!=0)?x0%j:j;//计算首项  
                int pos=x0/j;
                if (a!=j)   ++pos;
                modify(j,a,1,pos,d);
            }
        }   
        if (opt)
        {
            if (d>size)
            {
                int ans=-MAXINT;
                for (int j=x0;j<=n;j+=d)    ans=max(ans,a[j]);
                printf("%d\n",ans);
            }
            else
            {
                int a=(x0%d!=0)?x0%d:d;
                int pos=x0/d;
                if (a!=d)   ++pos;
                int ans=query(d,a,1,pos,b[d][a].size()-1);
                printf("%d\n",ans);
            }
        }
    }
}
内容概要:本文为《科技类企业品牌传播白皮书》,系统阐述了新闻媒体发稿、自媒体博主种草与短视频矩阵覆盖三大核心传播策略,并结合“传声港”平台的AI工具与资源整合能力,提出适配科技企业的品牌传播解决方案。文章深入分析科技企业传播的特殊性,包括受众圈层化、技术复杂性与传播通俗性的矛盾、产品生命周期影响及2024-2025年传播新趋势,强调从“技术输出”向“价值引领”的战略升级。针对三种传播方式,分别从适用场景、操作流程、效果评估、成本效益、风险防控等方面提供详尽指南,并通过平台AI能力实现资源智能匹配、内容精准投放与全链路效果追踪,最终构建“信任—种草—曝光”三位体的传播闭环。; 适合人群:科技类企业品牌与市场负责人、公关传播从业者、数字营销管理者及初创科技公司创始人;具备定品牌传播基础,关注效果可量化与AI工具赋能的专业人士。; 使用场景及目标:①制定科技产品全生命周期的品牌传播策略;②优化媒体发稿、KOL合作与短视频运营的资源配置与ROI;③借助AI平台实现传播内容的精准触达、效果监测与风险控制;④提升品牌在技术可信度、用户信任与市场影响力方面的综合竞争力。; 阅读建议:建议结合传声港平台的实际工具模块(如AI选媒、达人匹配、数据驾驶舱)进行对照阅读,重点关注各阶段的标准化流程与数据指标基准,将理论策略与平台实操深度融合,推动品牌传播从经验驱动转向数据与工具双驱动。
【3D应力敏感度分析拓扑优化】【基于p-范数全局应力衡量的3D敏感度分析】基于伴随方法的有限元分析和p-范数应力敏感度分析(Matlab代码实现)内容概要:本文档围绕“基于p-范数全局应力衡量的3D应力敏感度分析”展开,介绍了种结合伴随方法与有限元分析的拓扑优化技术,重点实现了3D结构在应力约束下的敏感度分析。文中详细阐述了p-范数应力聚合方法的理论基础及其在避免局部应力过高的优势,并通过Matlab代码实现完整的数值仿真流程,涵盖有限元建模、灵敏度计算、优化迭代等关键环节,适用于复杂三维结构的轻量化与高强度设计。; 适合人群:具备有限元分析基础、拓扑优化背景及Matlab编程能力的研究生、科研人员或从事结构设计的工程技术人员,尤其适合致力于力学仿真与优化算法开发的专业人士; 使用场景及目标:①应用于航空航天、机械制造、土木工程等领域中对结构强度和重量有高要的设计优化;②帮助读者深入理解伴随法在应力约束优化中的应用,掌握p-范数法处理全局应力约束的技术细节;③为科研复现、论文写作及工程项目提供可运行的Matlab代码考与算法验证平台; 阅读建议:建议读者结合文中提到的优化算法原理与Matlab代码同步调试,重点关注敏感度推导与有限元实现的衔接部分,同时推荐使用提供的网盘资源获取完整代码与测试案例,以提升学习效率与实践效果。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值