codeforce617 E. XOR and Favorite Number 异或 莫队

本文介绍了一种求解区间内连续区间异或运算等于特定值K的区间对数的算法。通过预处理异或前缀和,使用计数数组记录各区间值出现次数,实现高效查找。该算法适用于处理大量查询,特别在数据结构和算法竞赛中常见。

E. XOR and Favorite Number

求区间内连续区间异或运算为K的区间对数

预处理异或前缀 当 b[r]^K=b[l-1]时区间r~l的值为K

cnt[i]记录 所在区间内值为i的个数 若i^K=l/r 则相应加减 , 其中l的值为给定的l -1 因为在区间l~r内 b[r]对答案没有贡献

#include<bits/stdc++.h>
using namespace std;
const int MAX=3e6+5;
int n,m,K,a[MAX],b[MAX],cnt[MAX],block;
struct Q
{
    int l,r,id;
    long long ans;
}q[MAX];
bool cmp1(Q a,Q b)
{
    return a.l/block==b.l/block?a.r<b.r:a.l/block<b.l/block;
}
bool cmp2(Q a,Q b)
{
    return a.id<b.id;
}
int main()
{
    while(~scanf("%d%d%d",&n,&m,&K))
    {
        b[0]=0;memset(cnt,0,sizeof(cnt));a[0]=0;
        for(int i=1;i<=n;++i) {scanf("%d",&a[i]);b[i]=b[i-1]^a[i];}
        for(int i=0;i<m;++i) {scanf("%d%d",&q[i].l,&q[i].r);q[i].id=i;--q[i].l;}
        block=sqrt(n);
        sort(q,q+m,cmp1);
        int L=q[0].l,R=q[0].l-1;long long ans=0;
        for(int i=0;i<m;++i)
        {
            while(R<q[i].r) {++R;ans+=cnt[b[R]^K];++cnt[b[R]];}
            while(R>q[i].r) {--cnt[b[R]];ans-=cnt[b[R]^K];--R;}
            while(L>q[i].l) {--L;ans+=cnt[b[L]^K];++cnt[b[L]];}
            while(L<q[i].l) {--cnt[b[L]];ans-=cnt[b[L]^K];++L;}
            q[i].ans=ans;
        }
        sort(q,q+m,cmp2);
        for(int i=0;i<m;++i) printf("%lld\n",q[i].ans);
    }
    return 0;
}

 

内容概要:本文详细介绍了“秒杀商城”微服务架构的设计与实战全过程,涵盖系统从需求分析、服务拆分、技术选型到核心功能开发、分布式事务处理、容器化部署及监控链路追踪的完整流程。重点解决了高并发场景下的超卖问题,采用Redis预减库存、消息列削峰、数据库乐观锁等手段保障数据一致性,并通过Nacos实现服务注册发现与配置管理,利用Seata处理跨服务分布式事务,结合RabbitMQ实现异步下单,提升系统吞吐能力。同时,项目支持Docker Compose快速部署和Kubernetes生产级编排,集成Sleuth+Zipkin链路追踪与Prometheus+Grafana监控体系,构建可观测性强的微服务系统。; 适合人群:具备Java基础和Spring Boot开发经验,熟悉微服务基本概念的中高级研发人员,尤其是希望深入理解高并发系统设计、分布式事务、服务治理等核心技术的开发者;适合工作2-5年、有志于转型微服务或提升架构能力的工程师; 使用场景及目标:①学习如何基于Spring Cloud Alibaba构建完整的微服务项目;②掌握秒杀场景下高并发、超卖控制、异步化、削峰填谷等关键技术方案;③实践分布式事务(Seata)、服务熔断降级、链路追踪、统一配置中心等企业级中间件的应用;④完成从本地开发到容器化部署的全流程落地; 阅读建议:建议按照文档提供的七个阶段循序渐进地动手实践,重点关注秒杀流程设计、服务间通信机制、分布式事务实现和系统性能优化部分,结合代码调试与监控工具深入理解各组件协作原理,真正掌握高并发微服务系统的构建能力。
### 解题思路 在Codeforces 617C浇花问题里,目标是确定在给定天数、花的初始高度、每次可浇水的连续花的数量等条件下,能让最小高度的花达到的最大高度。这是一个优化问题,核心在于找到一种浇水策略,使得最终最小高度的花尽可能高。 一般可采用二分查找的方法来解决。先确定最小高度花的可能取值范围,也就是从当前最小高度到一个理论上可能达到的最大高度。然后在这个范围内进行二分查找,对于每一个中间值,检查是否能够通过合理的浇水操作让所有花的高度都不低于这个中间值。 检查的过程是模拟浇水操作,从左到右遍历每一朵花,如果某朵花的高度低于当前检查的中间值,就从这朵花开始往后选择连续的 `w` 朵花进行浇水,直到这朵花达到中间值。同时要记录浇水的次数,若浇水次数超过了给定的天数 `m`,则说明这个中间值无法达到,需要缩小右边界;反之,则可以尝试更大的值,扩大左边界。 ### 代码实现 ```python # 检查是否能让所有花的高度都不低于 h def can_reach_height(heights, m, w, h): n = len(heights) watered = [0] * n total_watering = 0 current_watering = 0 for i in range(n): # 计算当前位置的实际浇水情况 if i - w >= 0: current_watering -= watered[i - w] need = max(0, h - (heights[i] + current_watering)) watered[i] = need current_watering += need total_watering += need if total_watering > m: return False return True # 二分查找最大的最小高度 def find_max_min_height(heights, m, w): left = min(heights) right = min(heights) + m while left < right: mid = (left + right + 1) // 2 if can_reach_height(heights, m, w, mid): left = mid else: right = mid - 1 return left # 读取输入 n, m, w = map(int, input().split()) heights = list(map(int, input().split())) # 计算并输出结果 result = find_max_min_height(heights, m, w) print(result) ```
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