区间乘积1

这两段代码分别使用前缀和和树状数组(区间更新与查询)实现区间乘积的快速计算。在给定的输入序列中,能够在线性时间内预处理,并在之后的查询中保持高效。对于区间[l, r],可以迅速得到区间内所有数乘积的模反元素,从而避免了大整数的直接相除。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

区间乘积

https://ac.nowcoder.com/acm/contest/19483/A

在这里插入图片描述

前缀和版本
#include<bits/stdc++.h>
using namespace std;
#define ll long long
const int maxn=1e5+10;
const ll MOD=1e9+7;
ll pow(ll a,ll b,ll mod)
{
    ll res=1;
    while(b)
    {
        if(b&1)res=(res*a)%mod;
        a=(a*a)%mod;
        b>>=1;
    }
    return res;
}
ll get_inv(ll x)
{
    return pow(x,MOD-2,MOD);
}
ll s[maxn],n;
int main()
{    
    int T_T;
    cin>>n>>T_T;
    s[0]=1;
    for(int i=1;i<=n;i++)cin>>s[i];
    for(int i=1;i<=n;i++)s[i]=(s[i-1]*s[i])%MOD;
    while(T_T--)
    {
        int l,r;
        cin>>l>>r;
        cout<<(s[r]*get_inv(s[l-1]))%MOD<<endl;
    }
    return 0;
}
#include<bits/stdc++.h>
using namespace std;
const int maxn=1e5+10;
#define ll long long
const ll MOD=1e9+7;
struct sgt_tree
{
    #define ls (u<<1)
    #define rs (u<<1|1)
    ll sum[maxn<<3],a[maxn];
    ll mul(ll a,ll b)
    {
        return (a%MOD*b%MOD)%MOD;
    }
    void pushup(int u)
    {
        sum[u]=mul(sum[ls],sum[rs]);
    }
    void build(int u,int l,int r)
    {
        if(l==r)
        {
            sum[u]=a[l]%MOD;
            return ;
        }
        int mid=(l+r)>>1;
        build(ls,l,mid);
        build(rs,mid+1,r);
        pushup(u);
    }
    ll ask(int u,int l,int r,int ql,int qr)
    {
        if(l>qr||r<ql)return (ll)1;
        if(ql<=l&&r<=qr)return sum[u];
        int mid=(l+r)>>1;
        return mul(ask(ls,l,mid,ql,qr),ask(rs,mid+1,r,ql,qr));
    }
    #undef ls
    #undef rs
}sgt;
int n,m;
int main()
{
    ios::sync_with_stdio(false);
    cin>>n>>m;
    for(int i=1;i<=n;i++)cin>>sgt.a[i];
    sgt.build(1,1,n);
    while(m--)
    {
        int l,r;
        cin>>l>>r;
        cout<<sgt.ask(1,1,n,l,r)<<endl;
    }
    return 0;
}
### 关于洛谷平台上的区间动态规划乘积问题 #### 解析与实现 对于洛谷平台上涉及区间动态规划(DP)并处理乘积问题的任务,可以考虑如下解析方法: 在解决此类问题时,通常定义 `f(i, j)` 表示从前 `i` 个数字中插入 `j` 个乘号所能得到的最大乘积[^1]。初始条件设定为当不插入任何乘号 (`j = 0`) 的情况下,`f(i, 0)` 应等于由第 `1` 至第 `i` 数字组成的整数值;而如果尝试在一个长度不足以容纳所需乘号数量的情况下求解,则返回 `0`。 为了有效推进解决方案,在遍历过程中需维护一个三维数组来存储中间结果,其中第三维代表当前已使用的乘号数目。通过迭代更新这些值直到达到所需的乘号总数为止,最终可获得全局最优解。具体来说,状态转移方程表达式为: \[ f(i,j)=\max{\left(f(k,j-1)\times S[k+1]\cdots S[i]\right)} \] 此处 \(S[k+1]\cdots S[i]\) 是指从位置 `k + 1` 开始到 `i` 结束这一段连续子串所表示的整数[^2]。 ```python def max_product(n, s, k): # 初始化 DP table 和辅助变量 dp = [[0] * (k + 1) for _ in range(n)] # 设置基础情形下的值 for i in range(1, n + 1): num_str = int(s[:i]) dp[i - 1][0] = num_str # 动态规划填表过程 for cnt_mul in range(1, min(k, n - 1) + 1): # 控制乘号的数量 for end_pos in range(cnt_mul, n): # 当前考察序列结尾处索引 temp_max = float('-inf') for split_point in range(end_pos): product_part = int(s[split_point + 1 : end_pos + 1]) current_val = dp[split_point][cnt_mul - 1] * product_part if current_val > temp_max: temp_max = current_val dp[end_pos][cnt_mul] = temp_max return str(dp[-1][-1]) # 示例调用函数 n = 5 s = "9876" k = 2 print(max_product(n, s, k)) ``` 此代码片段实现了上述提到的状态转移逻辑,并针对给定输入参数进行了测试验证。
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