hdu 3397 Sequence operation

本文详细阐述了如何使用区间树解决一系列区间操作问题,包括区间设置为0或1、区间内元素异或操作、查询区间内1的个数及最长连续1序列长度。通过深入分析,提供了解决此类问题的有效算法和实现细节。

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

题目大意:

给你一个0,1序列,有如下几种操作:
0 【a,b】:将a,b范围内都设置成0;
1 【a,b】:将a,b范围内都设置成1;
2 【a,b】:将a,b范围内0都设置成1,1设置成0,即进行区间异或;
3 【a,b】:求a,b范围内1的个数;
4 【a,b】:求a,b范围内最大的连续的1的个数;

解题思路:

区间修改,区间合并,2个懒惰标记,区间求和,这道题涉及的范围很广。
开始没有思路,后来看了网上大牛,自己写了一个代码,改了一天没有改对,后来做另外一道题的时候豁然开朗,哈哈,好开心;
ls,左连续1最长序列;rs右连续1最长序列,ms1区间最长连续序列
因为要进行反转,所以还要设定lo,ro,mo对应0序列,方便反转的处理;反转处理详见代码里的xor函数,就不说明了,其实很好推的,思考一下就行啦
首先应该注意pushup()函数里对于区间最大连续1串的更新,左孩子的ms,右孩子ms,和左孩子的rs+右孩子ls的最大值;
pushdown()的时候应该注意,如果有覆盖标记,则要把抑或标记置0;
xor函数的写法里要进行覆盖标记的判断,如果有覆盖标记,则要抑或一次该标记,没有的话直接抑或xr(抑或)标记即可;
#include<cstdio>
#include<cstring>
#include<algorithm>
using namespace std;

#define maxn 100010
#define L(a) (a)<<1
#define R(a) (a)<<1|1

struct Node{
    int set,xr;
    int len;
    int sum;
    int lc,rc;
    int ls,rs,ms;
    int lo,ro,mo;
}node[3*maxn];

int cnt[maxn];
int cot;

void Xor(int k)
{
    swap(node[k].ls,node[k].lo);
    swap(node[k].rs,node[k].ro);
    swap(node[k].ms,node[k].mo);
    node[k].sum=node[k].len-node[k].sum;
    if(node[k].set!=-1)
    {
        node[k].set^=1;
    }
    else
    node[k].xr^=1;
}
void pushup(int k)
{
    node[k].ls=node[L(k)].ls;
    node[k].rs=node[R(k)].rs;
    
    node[k].lo=node[L(k)].lo;
    node[k].ro=node[R(k)].ro;
    
    node[k].sum=node[L(k)].sum+node[R(k)].sum;
    
    if(node[L(k)].ls==node[L(k)].len)
    node[k].ls+=node[R(k)].ls;
    if(node[R(k)].rs==node[R(k)].len)
    node[k].rs+=node[L(k)].rs;
    
    if(node[L(k)].lo==node[L(k)].len)
    node[k].lo+=node[R(k)].lo;
    if(node[R(k)].ro==node[R(k)].len)
    node[k].ro+=node[L(k)].ro;
    
    node[k].ms=max(node[R(k)].ms,node[L(k)].ms);
    node[k].mo=max(node[R(k)].mo,node[L(k)].mo);
    node[k].ms=max(node[k].ms,node[L(k)].rs+node[R(k)].ls);    
    node[k].mo=max(node[k].mo,node[L(k)].ro+node[R(k)].lo);
}

void pushdown(int k)
{
    if(node[k].set!=-1)
    {
        node[L(k)].set=node[R(k)].set=node[k].set;
        node[L(k)].xr=node[R(k)].xr=0;
        if(node[k].set==0)
        {
            node[L(k)].ls=node[L(k)].rs=node[L(k)].ms=node[L(k)].sum=0;
            node[L(k)].mo=node[L(k)].ro=node[L(k)].lo=node[L(k)].len;
            node[R(k)].ls=node[R(k)].rs=node[R(k)].ms=node[R(k)].sum=0;
            node[R(k)].mo=node[R(k)].ro=node[R(k)].lo=node[R(k)].len;
        }
        else if(node[k].set==1)
        {
            node[L(k)].ls=node[L(k)].rs=node[L(k)].ms=node[L(k)].sum=node[L(k)].len;
            node[L(k)].mo=node[L(k)].ro=node[L(k)].lo=0;
            node[R(k)].ls=node[R(k)].rs=node[R(k)].ms=node[R(k)].sum=node[R(k)].len;
            node[R(k)].mo=node[R(k)].ro=node[R(k)].lo=0;
        }
        node[k].set=-1;
    }
    if(node[k].xr)
    {   
        Xor(L(k));
        Xor(R(k));
        node[k].xr=0;
    }
}

void create(int k,int l,int r)
{
    node[k].set=-1;
    node[k].xr=0;
    node[k].len=r-l+1;
    node[k].lc=l;
    node[k].rc=r;
    if(l==r)
    {
        node[k].set=node[k].sum=node[k].ms=node[k].ls=node[k].rs=cnt[l];
        node[k].mo=node[k].lo=node[k].ro=(cnt[l]==0);
        return ;
    }
    int mid=(l+r)>>1;
    create(L(k),l,mid);
    create(R(k),mid+1,r);
    pushup(k);
}

void updata(int k,int l,int r,int op)
{
    
    if(node[k].lc>=l&&node[k].rc<=r)
    {
        if(op<2)
        {
            node[k].set=op;
            node[k].xr=0;
            node[k].sum=op?node[k].len:0;
            node[k].ls=node[k].rs=node[k].ms=op?node[k].len:0;
            node[k].lo=node[k].ro=node[k].mo=op?0:node[k].len;
            return ;
        }
        else if(op==2)
        {
            Xor(k);
            return ;
        }
    }
    else
    {
        pushdown(k);
        int mid=(node[k].lc+node[k].rc)>>1;
        if(l<=mid)
        updata(L(k),l,r,op);
        if(r>mid)
        updata(R(k),l,r,op);
        pushup(k);
    }
}

void querysum(int k,int l,int r)
{
    if(node[k].lc>=l&&node[k].rc<=r)
    {
        cot+=node[k].sum;
        return ;
    }
    pushdown(k);
    int mid=(node[k].lc+node[k].rc)>>1;
    if(r<=mid)
    querysum(L(k),l,r);
    else if(l>mid)
    querysum(R(k),l,r);
    else
    {
        querysum(L(k),l,mid);
        querysum(R(k),mid+1,r);
    }
}

int query(int k,int l,int r)
{
    if(node[k].lc>=l&&node[k].rc<=r)
    {
        return node[k].ms;
    }
    int mid=(node[k].lc+node[k].rc)>>1;
    pushdown(k);
    int ans=0;
    if(r<=mid)
    ans=max(ans,query(L(k),l,r));
    else if(l>mid)
    ans=max(ans,query(R(k),l,r));
    else
    {
        ans=max(ans,query(L(k),l,mid));
        ans=max(ans,query(R(k),mid+1,r));
    }
    ans=max(ans,min(node[L(k)].rs,mid-l+1)+min(node[R(k)].ls,r-mid));
    return ans;
}
int main()
{
    int t;
    //freopen("input.txt","r",stdin);
    scanf("%d",&t);
    int n,m;
    while(t--)
    {
        scanf("%d%d",&n,&m);
        for(int i=1;i<=n;i++)
        scanf("%d",&cnt[i]);
        create(1,1,n);
        int a,b,c;
        for(int i=0;i<m;i++)
        {
            scanf("%d%d%d",&a,&b,&c);
            if(a<3)
            updata(1,b+1,c+1,a);
            else if(a==3)
            {
                cot=0;
                querysum(1,b+1,c+1);
                printf("%d\n",cot);
            } 
            else
            {
                int tt=query(1,b+1,c+1);
                printf("%d\n",tt);
            }
        }
    }
}



内容概要:本文详细介绍了扫描单分子定位显微镜(scanSMLM)技术及其在三维超分辨体积成像中的应用。scanSMLM通过电调透镜(ETL)实现快速轴向扫描,结合4f检测系统将不同焦平面的荧光信号聚焦到固定成像面,从而实现快速、大视场的三维超分辨成像。文章不仅涵盖了系统硬件的设计与实现,还提供了详细的软件代码实现,包括ETL控制、3D样本模拟、体积扫描、单分子定位、3D重建和分子聚类分析等功能。此外,文章还比较了循环扫描与常规扫描模式,展示了前者在光漂白效应上的优势,并通过荧光珠校准、肌动蛋白丝、线粒体网络和流感A病毒血凝素(HA)蛋白聚类的三维成像实验,验证了系统的性能和应用潜力。最后,文章深入探讨了HA蛋白聚类与病毒感染的关系,模拟了24小时内HA聚类的动态变化,提供了从分子到细胞尺度的多尺度分析能力。 适合人群:具备生物学、物理学或工程学背景,对超分辨显微成像技术感兴趣的科研人员,尤其是从事细胞生物学、病毒学或光学成像研究的科学家和技术人员。 使用场景及目标:①理解和掌握scanSMLM技术的工作原理及其在三维超分辨成像中的应用;②学习如何通过Python代码实现完整的scanSMLM系统,包括硬件控制、图像采集、3D重建和数据分析;③应用于单分子水平研究细胞内结构和动态过程,如病毒入侵机制、蛋白质聚类等。 其他说明:本文提供的代码不仅实现了scanSMLM系统的完整工作流程,还涵盖了多种超分辨成像技术的模拟和比较,如STED、GSDIM等。此外,文章还强调了系统在硬件改动小、成像速度快等方面的优势,为研究人员提供了从理论到实践的全面指导。
内容概要:本文详细介绍了基于Seggiani提出的渣层计算模型,针对Prenflo气流床气化炉中炉渣的积累和流动进行了模拟。模型不仅集成了三维代码以提供气化炉内部的温度和浓度分布,还探讨了操作条件变化对炉渣行为的影响。文章通过Python代码实现了模型的核心功能,包括炉渣粘度模型、流动速率计算、厚度更新、与三维模型的集成以及可视化展示。此外,还扩展了模型以考虑炉渣组成对特性的影响,并引入了Bingham流体模型,更精确地描述了含未溶解颗粒的熔渣流动。最后,通过实例展示了氧气-蒸汽流量增加2%时的动态响应,分析了温度、流动特性和渣层分布的变化。 适合人群:从事煤气化技术研究的专业人士、化工过程模拟工程师、以及对工业气化炉操作优化感兴趣的科研人员。 使用场景及目标:①评估不同操作条件下气化炉内炉渣的行为变化;②预测并优化气化炉的操作参数(如温度、氧煤比等),以防止炉渣堵塞;③为工业气化炉的设计和操作提供理论支持和技术指导。 其他说明:该模型的实现基于理论公式和经验数据,为确保模型准确性,实际应用中需要根据具体气化炉的数据进行参数校准。模型还考虑了多个物理场的耦合,包括质量、动量和能量守恒方程,能够模拟不同操作条件下的渣层演变。此外,提供了稳态求解器和动态模拟工具,可用于扰动测试和工业应用案例分析。
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