【kuangbin带我飞】专题七 线段树

本文提供了线段树的基本模板,包括建树、点修改、区间修改及查询的实现方法。适用于处理区间操作问题,如求区间和、最大值等。

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

由于我不会线段树,先弄一份模板。

基本线段树模板(建树、点/区间修改、查询)

基础线段树(闭区间)(单点修改、单点查询):

const int MAXM=50000;          //定义 MAXM 为线段最大长度

int a[MAXM+5],st[(MAXM<<2)+5];    // a 数组为 main 函数中读入的内容,st 数组为需要查询的数的信息(如和、最值等),树的空间大小为线段最大长度的四倍

//建树
void build(int o,int l,int r){    //传入的参数为 o:当前需要建立的结点;l:当前需要建立的左端点;r:当前需要建立的右端点
    if(l==r)st[o]=a[l];      //当左端点等于右端点即建立叶子结点时,直接给数组信息赋值
    else{
        int m=l+((r-l)>>1);      // m 为中间点,左儿子结点为 [l,m] ,右儿子结点为 [m+1,r];
        build(o<<1,l,m);        //构建左儿子结点
        build((o<<1)|1,m+1,r);     //构建右儿子结点
        st[o]=st[o<<1]+st[(o<<1)|1];  //递归返回时用儿子结点更新父节点,此处可进行更新最大值、最小值、区间和等操作
    }
}

//在 main 函数中的语句 build(1,1,n);

//单点修改
void update(int o,int l,int r,int ind,int ans){  //o、l、r为当前更新到的结点、左右端点,ind为需要修改的叶子结点左端点,ans为需要修改成的值;
    if(l==r){                      //若当前更新点的左右端点相等即到叶子结点时,直接更新信息并返回
        st[o]=ans;
        return;
    }
    int m=l+((r-l)>>1);
    if(ind<=m){                      //若需要更新的叶子结点在当前结点的左儿子结点的范围内,则递归更新左儿子结点,否则更新右儿子结点
        update(o<<1,l,m,ind,ans);
    }
    else{
        update((o<<1)|1,m+1,r,ind,ans);
    }
    st[o]=max(st[o<<1],st[(o<<1)|1]);//递归回之后用儿子结点更新父节点(此处是区间最大值)
}

//在main函数中的语句 update(1,1,n,ind,ans);

//对应单点修改的单点查询
int query(int o,int l,int r,int ql,int qr){      //ql、qr为需要查询的区间左右端点
    if(ql>r||qr<l) return -1;              //若当前结点和需要查找的区间不相交,则返回一个对于区间查询无关的值(如求和时返回0,求最大值时返回-1等)
    if(ql<=l&&qr>=r) return st[o];        //若当前结点的区间被需要查询的区间覆盖,则返回当前结点的信息
    int m=l+((r-l)>>1);
    int p1=query(o<<1,l,m,ql,qr),p2=query((o<<1)|1,m+1,r,ql,qr);  //p1为查询左儿子结点得到的信息,p2为查询右儿子结点得到的信息
    return max(p1,p2);    //综合两个儿子结点的信息并返回
}

//main函数中的语句 printf("%d\n",query(1,1,n,a,b));

整理压行版基础线段树(闭区间):

const int MAXM=50000;                     //MAXM 为线段最大长度
int a[MAXM+5],st[(MAXM<<2)+5];        //a数组为原数组,st数组为四倍大小线段树

//求和
int op_init=0;
inline int op_cal(int o1,int o2){
    return o1+o2;
};

void build(int o,int l,int r) {               //o当前结点,l左端点,r右端点,build(1,1,n)                                      
    if(l==r) st[o]=a[l];         
    else {
        int m=l+((r-l)>>1);
        build(o<<1,l,m);
        build((o<<1)|1,m+1,r);
        st[o]=op_cal(st[o<<1],st[(o<<1)|1]);    //子结点建立完成后,更新父节点
    }
}

//单点修改
void update(int o,int l,int r,int ind,int ans){  //ind为叶结点,ans为值,update(1,1,n,ind,ans);
    if(l==r){
        st[o]=ans;
    }
    else{
        int m=l+((r-l)>>1);
        if(ind<=m) update(o<<1,l,m,ind,ans);
        else update((o<<1)|1,m+1,r,ind,ans);
        st[o]=max(st[o<<1],st[(o<<1)|1]);          //子节点更新后,更新父节点
    }
}

//对应单点修改的单点查询
int query(int o,int l,int r,int ql,int qr){     //ql、qr为查询区间左右端点,query(1,1,n,a,b)
    if(ql>r||qr<l) return op_init;              //区间不相交,返回无关值
    if(ql<=l&&qr>=r) return st[o];               //若当前区间被查询区间覆盖,返回当前信息
    int m=l+((r-l)>>1);
    int p1=query(o<<1,l,m,ql,qr);                  //查询左右子结点信息
    int p2=query((o<<1)|1,m+1,r,ql,qr);          
    return op_cal(p1,p2);                      //综合子结点的信息返回
}

A 敌兵布阵

//https://vjudge.net/contest/66989#problem/A
#include<bits/stdc++.h>
using namespace std;
#define ll long long

const int MAXM=50000;                                   //MAXM 为线段最大长度
int a[MAXM+5],st[(MAXM<<2)+5];                          //a数组为原数组st数组为四倍大小线段树

struct SegmentTree{
    int n;  //线段树的大小

    //求和
    int op_init=0;
    inline int op_cal(int o1,int o2){
        return o1+o2;
    };

    void _build(int o,int l,int r) {                     //o当前结点,l左端点,r右端点,_build(1,1,n)
        if(l==r) {st[o]=a[l];return;}
        int m=l+((r-l)>>1);
        _build(o<<1,l,m);
        _build((o<<1)|1,m+1,r);
        st[o]=op_cal(st[o<<1],st[(o<<1)|1]);            //子结点建立完成后,更新父节点
    }

    //单点修改
    void _update(int o,int l,int r,int ind,int ans){     //ind为叶结点,ans为值,_update(1,1,n,ind,ans);
        if(l==r) {st[o]=ans;return;}
        int m=l+((r-l)>>1);
        if(ind<=m) _update(o<<1,l,m,ind,ans);
        else _update((o<<1)|1,m+1,r,ind,ans);
        st[o]=op_cal(st[o<<1],st[(o<<1)|1]);           //子节点更新后,更新父节点
    }

    //对应单点修改的单点查询
    int _query(int o,int l,int r,int ql,int qr){         //ql、qr为查询区间左右端点,_query(1,1,n,a,b)
        if(ql>r||qr<l) return op_init;                  //区间不相交,返回无关值
        if(ql<=l&&qr>=r) return st[o];                  //若当前区间被查询区间覆盖,返回当前信息
        int m=l+((r-l)>>1);                             //综合子结点的信息返回
        return op_cal(_query(o<<1,l,m,ql,qr),_query((o<<1)|1,m+1,r,ql,qr));
    }

    void build(int tn){
        n=tn;
        _build(1,1,n);
    }

    void update(int ind,int ans){
        _update(1,1,n,ind,ans);
    }

    int query(int l,int r){
        return _query(1,1,n,l,r);
    }
};

int main(){
    int T;
    while(~scanf("%d",&T)){
        for(int t=1;t<=T;t++){
            printf("Case %d:\n",t);
            int n;
            scanf("%d",&n);
            for(int i=1;i<=n;i++){
                scanf("%d",&a[i]);
            }
            SegmentTree st;
            st.build(n);
            char ins[10];
            while(1){
                scanf("%s",ins);
                if(ins[0]=='E')
                    break;
                int i,j;
                scanf("%d%d",&i,&j);
                if(ins[0]=='A'){
                    a[i]+=j;
                    st.update(i,a[i]);
                }
                else if(ins[0]=='S'){
                    a[i]-=j;
                    st.update(i,a[i]);
                }
                else if(ins[0]=='Q'){
                    printf("%d\n",st.query(i,j));
                }
            }
        }
    }
}

 

内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
### 关于 kuangbin ACM 算法竞赛培训计划 #### 数论基础专题介绍 “kuangbin专题十四涵盖了数论基础知识的学习,旨在帮助参赛者掌握算法竞赛中常用的数论概念和技术。该系列不仅提供了丰富的理论讲解,还推荐了一本详细的书籍《算法竞赛中的初等数论》,这本书包含了ACM、OI以及MO所需的基础到高级的数论知识点[^1]。 #### 并查集应用实例 在另一个具体的例子中,“kuangbin”的第五个专题聚焦于并查集的应用。通过解决实际问题如病毒感染案例分析来加深理解。在这个场景下,给定一组学生及其所属的不同社团关系图,目标是从这些信息出发找出所有可能被传染的学生数目。此过程涉及到了如何高效管理和查询集合成员之间的连通性问题[^2]。 #### 搜索技巧提升指南 对于简单的搜索题目而言,在为期约两周的时间里完成了这一部分内容的学习;尽管看似容易,但对于更复杂的状况比如状态压缩或是路径重建等问题,则建议进一步加强训练以提高解题能力[^3]。 ```python def find_parent(parent, i): if parent[i] == i: return i return find_parent(parent, parent[i]) def union(parent, rank, x, y): rootX = find_parent(parent, x) rootY = find_parent(parent, y) if rootX != rootY: if rank[rootX] < rank[rootY]: parent[rootX] = rootY elif rank[rootX] > rank[rootY]: parent[rootY] = rootX else : parent[rootY] = rootX rank[rootX] += 1 # Example usage of Union-Find algorithm to solve the virus spread problem. ```
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