【洛谷P3396】哈希冲突【分块】

本文介绍了一种使用根号算法优化哈希池查询和更新操作的方法,通过预处理和分段维护策略,实现了O(nlogn)的时间复杂度,适用于处理大规模数据集的查询和更新。

题目大意:

题目链接:https://www.luogu.org/problemnew/show/P3396
给出一个数列,其中第 i i i个数在 m o d   p mod\ p mod p下会被装进第 i   m o d   p i\ mod\ p i mod p个哈希池。维护一下两种操作:

  • A   p   x A\ p\ x A p x:询问在 m o d   p mod\ p mod p下池 x x x内的数字之和
  • C   x   y C\ x\ y C x y:将第 x x x个数字改成 y y y

思路:

根号算法好题。
应该不算分块吧。。。
对于这道题,我们分开两段维护:

  1. 模数 ≤ T \leq T T。此时我们预处理出 c n t [ p ] [ x ] cnt[p][x] cnt[p][x]表示在模 p p p下池 x x x的元素之和。每次询问 O ( 1 ) O(1) O(1),预处理 O ( T ) O(T) O(T)
  2. 模数 > T >T >T。此时我们只要从 x x x开始,暴力求答案,每次 x + = p x+=p x+=p。这样的话要找 n T \frac{n}{T} Tn个答案,时间复杂度 O ( n T ) O(\frac{n}{T}) O(Tn)

为了均摊时间复杂度,我们令 T = n T T=\frac{n}{T} T=Tn。显然 T = n T=\sqrt{n} T=n 时时间复杂度较为平均。
总时间复杂度 O ( n log ⁡ n ) O(n\log n) O(nlogn)


代码:

#include <cmath>
#include <cstdio>
#include <algorithm>
using namespace std;

const int N=150010,M=410;
int n,m,T,x,y,a[N],cnt[M][M];
char ch;

int main()
{
	scanf("%d%d",&n,&m);
	T=sqrt(n);
	if (T*T<n) T++;
	for (int i=1;i<=n;i++)
	{
		scanf("%d",&a[i]);
		for (int j=1;j<=T;j++)
			cnt[j][i%j]+=a[i];
	}
	while (m--)
	{
		while (ch=getchar()) if (ch=='A'||ch=='C') break;
		if (ch=='A')
		{
			scanf("%d%d",&x,&y);
			if (x<=T) printf("%d\n",cnt[x][y]);
			else
			{
				int ans=0;
				for (int i=y;i<N;i+=x)
					ans+=a[i];
				printf("%d\n",ans);
			}
		}
		else
		{
			scanf("%d%d",&x,&y);
			for (int j=1;j<=T;j++)
				cnt[j][x%j]-=a[x];
			a[x]=y;
			for (int j=1;j<=T;j++)
				cnt[j][x%j]+=a[x];
		}
	}
	return 0;
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
评论
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