POJ - 3468区间修改查询

本文介绍了一种高效的数据结构——线段树,并详细解释了如何使用懒惰传播技术来优化区间修改操作,通过一个具体的例子展示了算法的实现过程。

题目
You have N integers, A1, A2, … , AN. You need to deal with two kinds of operations. One type of operation is to add some given number to each number in a given interval. The other is to ask for the sum of numbers in a given interval.

Input
The first line contains two numbers N and Q. 1 ≤ N,Q ≤ 100000.
The second line contains N numbers, the initial values of A1, A2, … , AN. -1000000000 ≤ Ai ≤ 1000000000.
Each of the next Q lines represents an operation.
“C a b c” means adding c to each of Aa, Aa+1, … , Ab. -10000 ≤ c ≤ 10000.
“Q a b” means querying the sum of Aa, Aa+1, … , Ab.

Output
You need to answer all Q commands in order. One answer in a line.

Sample Input
10 5
1 2 3 4 5 6 7 8 9 10
Q 4 4
Q 1 10
Q 2 4
C 3 6 3
Q 2 4
Sample Output
4
55
9
15
Hint
The sums may exceed the range of 32-bit integers.

题意:给定一串序列,对其进行区间增添 x x x,和查询区间和操作

思路:毫无疑问用线段树进行操作,不过这时不是对单个位置进行修改,而是对整个区间修改,因此一个一个修改,复杂度会达到 O ( n l o g n ) O(nlogn) O(nlogn),数据规模一大就会TLE。

那么怎么对区间高效的修改值呢?

我们可以用再用一个数组lazy[]来记录 t r e e [ p ] tree[p] tree[p]处的增添值,对于需要修改的区间 [ q l , q r ] [ql,qr] [ql,qr],如果当前节点 t r e e [ p ] tree[p] tree[p] [ l l , r r ] [ll,rr] [ll,rr]区间就在其中,那么暂时不必向下一一修改儿子,只需把增量 x x x记录在 l a z y [ p ] lazy[p] lazy[p]处, t r e e [ p ] + = ( r r − l l + 1 ) ∗ x tree[p]+=(rr-ll+1)*x tree[p]+=(rrll+1)x即可。

但如果是部分覆盖,那么情况复杂一些,必须把 t r e e [ p ] tree[p] tree[p] l a z y [ p ] lazy[p] lazy[p]向儿子传递,再去递归儿子求解。比如,当根节点为 [ 1 , 4 ] [1,4] [1,4],如果要修改 [ 1 , 3 ] [1,3] [1,3]的值,就需要递归至 [ 1 , 2 ] [1,2] [1,2] [ 3 , 4 ] [3,4] [3,4],而 [ 1 , 2 ] [1,2] [1,2]被完全覆盖,不必再向下修改,但 [ 3 , 4 ] [3,4] [3,4]需要向下找到3进行修改。

code:

#include <iostream>
using namespace std;
long long tree[400020];
long long input[100005];
long long lazy[400020];
int n,q;
char fuc;
void build(int p,int ll,int rr)//建树
{
    lazy[p]=0;//lazy初始化为0
	if (ll==rr)
	{
		tree[p]=input[ll];
		return;
	} 
	int mid=(ll+rr)/2;
	build(2*p,ll,mid);
	build(2*p+1,mid+1,rr);
	tree[p]=tree[2*p]+tree[2*p+1];
	return; 
} 
void pushdown(int p,int tot)//向下改值
{
    lazy[2*p+1]+=lazy[p];//左右儿子分别标记上增量
    lazy[2*p]+=lazy[p];
    tree[2*p]+=(tot-tot/2)*lazy[p];//左子树所有的数增量和(线段树中右子树可能只有1个儿子)
    tree[2*p+1]+=(tot/2)*lazy[p];
    lazy[p]=0;
}
void change(int p,int ll,int rr,int ql,int qr,int x)
{
	if (ql<=ll && qr>=rr)//如果被包含,就不用向下修改
    {
        lazy[p]+=x;
        tree[p]+=(long long)(rr-ll+1)*x;//注意,题目中说sum会超过32位
        return;
    }
    pushdown(p,rr-ll+1);//不满足上述条件,那么就要向下修改
    int mid=(ll+rr)/2;
    if (ql<=mid) change(2*p,ll,mid,ql,qr,x);//左右子树递归
    if (qr>mid) change(2*p+1,mid+1,rr,ql,qr,x);
    tree[p]=tree[2*p]+tree[2*p+1];//不要忘记更新tree[p]
    return;
} 
long long query(int p,int ll,int rr,int ql,int qr)
{
	if (ql<=ll && qr>=rr)//完全包含直接返回当前结点值
		return tree[p];
	int mid=(ll+rr)/2;
    long long res=0;
    if (lazy[p]!=0)//如果有lazy标记,且查询区间不完全覆盖结点区间
        pushdown(p,rr-ll+1);
    if (ql<=mid) res+=query(2*p,ll,mid,ql,qr);//根据需要查左右儿子
    if (qr>mid) res+=query(2*p+1,mid+1,rr,ql,qr);
	return res;
}
int main()
{
	cin>>n>>q;
	for (int i=1;i<=n;i++)
		cin>>input[i];
	build(1,1,n);
	while (q--)
	{
		cin>>fuc;
		if (fuc=='Q')
		{
			int l,r;
			cin>>l>>r;
			cout<<query(1,1,n,l,r)<<endl;
		}
		else if (fuc=='C')
		{
			int l,r,add;
			cin>>l>>r>>add;
            change(1,1,n,l,r,add);
		}
	}
	return 0;
}
内容概要:本文是一篇关于使用RandLANet模型对SensatUrban数据集进行点云语义分割的实战教程,系统介绍了从环境搭建、数据准备、模型训练与测试到精度评估的完整流程。文章详细说明了在Ubuntu系统下配置TensorFlow 2.2、CUDA及cuDNN等深度学习环境的方法,并指导用户下载和预处理SensatUrban数据集。随后,逐步讲解RandLANet代码的获取与运行方式,包括训练、测试命令的执行与参数含义,以及如何监控训练过程中的关键指标。最后,教程涵盖测试结果分析、向官方平台提交结果、解读评估报告及可视化效果等内容,并针对常见问题提供解决方案。; 适合人群:具备一定深度学习基础,熟悉Python编程和深度学习框架,从事计算机视觉或三维点云相关研究的学生、研究人员及工程师;适合希望动手实践点云语义分割项目的初学者与进阶者。; 使用场景及目标:①掌握RandLANet网络结构及其在点云语义分割任务中的应用;②学会完整部署一个点云分割项目,包括数据处理、模型训练、测试与性能评估;③为参与相关竞赛或科研项目提供技术支撑。; 阅读建议:建议读者结合提供的代码链接和密码访问完整资料,在本地或云端环境中边操作边学习,重点关注数据格式要求与训练参数设置,遇到问题时参考“常见问题与解决技巧”部分及时排查。
内容概要:本文详细介绍了三相异步电机SVPWM-DTC(空间矢量脉宽调制-直接转矩控制)的Simulink仿真实现方法,结合DTC响应快与SVPWM谐波小的优点,构建高性能电机控制系统。文章系统阐述了控制原理,包括定子磁链观测、转矩与磁链误差滞环比较、扇区判断及电压矢量选择,并通过SVPWM技术生成固定频率PWM信号,提升系统稳态性能。同时提供了完整的Simulink建模流程,涵盖电机本体、磁链观测器、误差比较、矢量选择、SVPWM调制、逆变器驱动等模块的搭建与参数设置,给出了仿真调试要点与预期结果,如电流正弦性、转矩响应快、磁链轨迹趋圆等,并提出了模型优化与扩展方向,如改进观测器、自适应滞环、弱磁控制和转速闭环等。; 适合人群:电气工程、自动化及相关专业本科生、研究生,从事电机控制算法开发的工程师,具备一定MATLAB/Simulink和电机控制理论基础的技术人员。; 使用场景及目标:①掌握SVPWM-DTC控制策略的核心原理与实现方式;②在Simulink中独立完成三相异步电机高性能控制系统的建模与仿真;③通过仿真验证控制算法有效性,为实际工程应用提供设计依据。; 阅读建议:学习过程中应结合文中提供的电机参数和模块配置逐步搭建模型,重点关注磁链观测、矢量选择表和SVPWM调制的实现细节,仿真时注意滞环宽度与开关频率的调试,建议配合MATLAB官方工具箱文档进行参数校准与结果分析。
已经博主授权,源码转载自 https://pan.quark.cn/s/bf1e0d5b9490 本文重点阐述了Vue2.0多Tab切换组件的封装实践,详细说明了通过封装Tab切换组件达成多Tab切换功能,从而满足日常应用需求。 知识点1:Vue2.0多Tab切换组件的封装* 借助封装Tab切换组件,达成多Tab切换功能* 支持tab切换、tab定位、tab自动化仿React多Tab实现知识点2:TabItems组件的应用* 在index.vue文件中应用TabItems组件,借助name属性设定tab的标题* 通过:isContTab属性来设定tab的内容* 能够采用子组件作为tab的内容知识点3:TabItems组件的样式* 借助index.less文件来设定TabItems组件的样式* 设定tab的标题样式、背景色彩、边框样式等* 使用animation达成tab的切换动画知识点4:Vue2.0多Tab切换组件的构建* 借助运用Vue2.0框架,达成多Tab切换组件的封装* 使用Vue2.0的组件化理念,达成TabItems组件的封装* 通过运用Vue2.0的指令和绑定机制,达成tab的切换功能知识点5:Vue2.0多Tab切换组件的优势* 达成多Tab切换功能,满足日常应用需求* 支持tab切换、tab定位、tab自动化仿React多Tab实现* 能够满足多样的业务需求,具备良好的扩展性知识点6:Vue2.0多Tab切换组件的应用场景* 能够应用于多样的业务场景,例如:管理系统、电商平台、社交媒体等* 能够满足不同的业务需求,例如:多Tab切换、数据展示、交互式操作等* 能够与其它Vue2.0组件结合运用,达成复杂的业务逻辑Vue2.0多Tab切换组件的封装实例提供了...
代码下载地址: https://pan.quark.cn/s/41cd695ddf65 `htmldiff` 是一个以 Ruby 语言为基础构建的库,其主要功能是在 HTML 文档中展示文本之间的差异。 该库的一个显著特点在于它不仅能够识别出不同之处,还会借助 HTML 标签来呈现这些差异,从而让用户能够直观地观察到文本的变化情况。 这种特性使得 `htmldiff` 在版本控制、文档对比或任何需要展示文本变动场景的应用中显得尤为有用。 `htmldiff` 的核心作用是对比两个字符串,并生成一个 HTML 输出结果,这个结果会明确地指出哪些部分被添加、哪些部分被删除以及哪些部分被修改。 此外,通过运用 CSS,用户可以进一步调整差异展示的样式,使其与项目或网站的现有设计风格相协调。 在使用 `htmldiff` 之前,需要先完成该库的安装。 如果项目已经配置了 Ruby 环境和 Gemfile,可以在 Gemfile 文件中添加 `gem htmldiff` 语句,随后执行 `bundle install` 命令进行安装。 如果没有 Gemfile 文件,也可以直接采用 `gem install htmldiff` 命令来进行全局安装。 在编程实现时,可以通过调用 `Htmldiff.diff` 方法来对比两个字符串,并获取相应的 HTML 输出。 例如:```rubyrequire htmldiffstr1 = "这是一个示例文本。 "str2 = "这是一个示例文本,现在有更多内容。 "diff_html = Htmldiff.diff(str1, str2)puts diff_html```上述代码将会输出两个字符串之间的差异,其中新增的内容会被 `<ins>` 标签所包围,而...
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