【模板·树剖】 洛谷 P3384 【模板】树链剖分

题目:树链剖分

注意:线段树区间处理时左右区间不要颠倒。

代码:

#include<bits/stdc++.h>
using namespace std;

#define read(x) scanf("%d",&x)
#define maxn 100000
#define ll long long

struct Node {
	int lstid;
	int w,fa;
	int sz,d,hson;
	int tp;
};

int n,m;
int rt,md;

Node a[maxn+5];
vector<int> tr[maxn+5];

int cnt=0;
int frtid[maxn+5];

struct segTree {
	#define lson (o*2)
	#define rson (o*2+1)
	#define mid (L+(R-L)/2)
	
	int c[maxn*10+5],lzy[maxn*10+5];
	int len[maxn*10+5];
	
	void push_up(int o) {
		c[o]=(c[lson]+c[rson])%md;
	}
	
	void build(int o,int L,int R) {
		len[o]=R-L+1;
		if(L==R) {
			c[o]=a[frtid[L]].w;
			return ;
		}
		build(lson,L,mid),build(rson,mid+1,R);
		push_up(o);
	}
	
	int P,Q;
	
	void push_down(int o) {
		lzy[lson]=((ll)lzy[lson]+lzy[o])%md,lzy[rson]=((ll)lzy[rson]+lzy[o])%md;
		c[lson]=((ll)c[lson]+(ll)lzy[o]*len[lson]%md)%md,c[rson]=((ll)c[rson]+(ll)lzy[o]*len[rson]%md)%md;
		lzy[o]=0;
	}
	
	int Qry(int o,int L,int R) {
		if(L>Q||R<P) return 0;
		if(L>=P&&R<=Q) return c[o];
		push_down(o);
		int ans=(Qry(lson,L,mid)+Qry(rson,mid+1,R))%md;
		return ans;
	}
	
	int Query(int x,int y) {
		if(x>y) swap(x,y);
		P=x,Q=y;
		return Qry(1,1,n);
	}
	
	void Upd(int o,int L,int R,int d) {
		if(L>Q||R<P) return ;
		if(L>=P&&R<=Q) {
			c[o]=((ll)c[o]+(ll)d*len[o])%md;
			lzy[o]=(d+lzy[o])%md;
			return ;
		}
		push_down(o);
		Upd(lson,L,mid,d),Upd(rson,mid+1,R,d);
		push_up(o);
	}
	
	void Update(int x,int y,int d) {
		if(x>y) swap(x,y);
		P=x,Q=y;
		Upd(1,1,n,d);
	}
};

segTree sgtr;

struct HLD{
	void update(int x,int y,int z) {
		while(a[x].tp!=a[y].tp) {
			if(a[a[x].tp].d<a[a[y].tp].d) swap(x,y);
			sgtr.Update(a[x].lstid,a[a[x].tp].lstid,z);
			x=a[a[x].tp].fa;
		}
		sgtr.Update(a[x].lstid,a[y].lstid,z);
	}
	
	int query(int x,int y) {
		int ans=0;
		while(a[x].tp!=a[y].tp) {
			if(a[a[x].tp].d<a[a[y].tp].d) swap(x,y);
			ans=(ans+ sgtr.Query(a[x].lstid,a[a[x].tp].lstid) )%md;
			x=a[a[x].tp].fa;
		}
		ans=(ans+ sgtr.Query(a[x].lstid,a[y].lstid) )%md;
		return ans;
	}
};

HLD hld;

void readin() {
	read(n),read(m),read(rt),read(md);
	for(int i=1;i<=n;i++) read(a[i].w);
	for(int i=1;i<n;i++) {
		int x,y;
		read(x),read(y);
		tr[x].push_back(y);
		tr[y].push_back(x);
	}
}

void dfs1(int x,int fa) {
	a[x].fa=fa;
	a[x].sz=1,a[x].d=a[fa].d+1;
	int maxson=0,maxsz=-1;
	for(int i=0;i<tr[x].size();i++) {
		int y=tr[x][i];
		if(y==fa) continue;
		dfs1(y,x);
		a[x].sz+=a[y].sz;
		if(a[y].sz>maxsz) {
			maxsz=a[y].sz;
			maxson=y;
		}
	}
	a[x].hson=maxson;
}

void dfs2(int x,int tp,int fa) {
	a[x].tp=tp;
	a[x].lstid=++cnt,frtid[cnt]=x;
	if(a[x].hson==0) return;
	dfs2(a[x].hson,tp,x);
	for(int i=0;i<tr[x].size();i++) {
		int y=tr[x][i];
		if(y==fa||y==a[x].hson) continue;
		dfs2(y,y,x);
	}
}

int main() {
	readin();
	dfs1(rt,0);
	dfs2(rt,rt,0);
	
	sgtr.build(1,1,n);
	while(m--) {
		int opr;
		read(opr);
		if(opr==1) {
			int x,y,z;
			read(x),read(y),read(z);
			hld.update(x,y,z);
		} else if(opr==2) {
			int x,y;
			read(x),read(y);
			printf("%d\n",hld.query(x,y)%md);
		} else if(opr==3) {
			int x,z;
			read(x),read(z);
			sgtr.Update(a[x].lstid,a[x].lstid+a[x].sz-1,z);
		} else {
			int x;
			read(x);
			printf("%d\n",sgtr.Query(a[x].lstid,a[x].lstid+a[x].sz-1)%md);
		}
	}
	
	return 0;
}
内容概要:本文是一份针对2025年中国企业品牌传播环境撰写的《全网媒体发稿白皮书》,聚焦企业媒体发稿的策略制定、渠道选择与效果评估难题。通过分析当前企业面临的资源分散、内容同质、效果难量化等核心痛点,系统性地介绍了新闻媒体、央媒、地方官媒和自媒体四大渠道的特点与适用场景,并深度融合“传声港”AI驱动的新媒体平台能力,提出“策略+工具+落地”的一体化解决方案。白皮书详细阐述了传声港在资源整合、AI智能匹配、舆情监测、合规审核及全链路效果追踪方面的技术优势,构建了涵盖曝光、互动、转化与品牌影响力的多维评估体系,并通过快消、科技、零售等行业的实战案例验证其有效性。最后,提出了按企业发展阶段和营销节点定制的媒体组合策略,强调本土化传播与政府关系协同的重要性,助力企业实现品牌声量与实际转化的双重增长。; 适合人群:企业市场部负责人、品牌方管理者、公关传播从业者及从事数字营销的相关人员,尤其适用于初创期至成熟期不同发展阶段的企业决策者。; 使用场景及目标:①帮助企业科学制定媒体发稿策略,优化预算分配;②解决渠道对接繁琐、投放不精准、效果不可衡量等问题;③指导企业在重大营销节点(如春节、双11)开展高效传播;④提升品牌权威性、区域渗透力与危机应对能力; 阅读建议:建议结合自身企业所处阶段和发展目标,参考文中提供的“传声港服务组合”与“预算分配建议”进行策略匹配,同时重视AI工具在投放、监测与优化中的实际应用,定期复盘数据以实现持续迭代。
先展示下效果 https://pan.quark.cn/s/987bb7a43dd9 VeighNa - By Traders, For Traders, AI-Powered. Want to read this in english ? Go here VeighNa是一套基于Python的开源量化交易系统开发框架,在开源社区持续不断的贡献下一步步成长为多功能量化交易平台,自发布以来已经积累了众多来自金融机构或相关领域的用户,包括私募基金、证券公司、期货公司等。 在使用VeighNa进行二次开发(策略、模块等)的过程中有任何疑问,请查看VeighNa项目文档,如果无法解决请前往官方社区论坛的【提问求助】板块寻求帮助,也欢迎在【经验分享】板块分享你的使用心得! 想要获取更多关于VeighNa的资讯信息? 请扫描下方二维码添加小助手加入【VeighNa社区交流微信群】: AI-Powered VeighNa发布十周年之际正式推出4.0版本,重磅新增面向AI量化策略的vnpy.alpha模块,为专业量化交易员提供一站式多因子机器学习(ML)策略开发、投研和实盘交易解决方案: :bar_chart: dataset:因子特征工程 * 专为ML算法训练优化设计,支持高效批量特征计算与处理 * 内置丰富的因子特征表达式计算引擎,实现快速一键生成训练数据 * Alpha 158:源于微软Qlib项目的股票市场特征集合,涵盖K线形态、价格趋势、时序波动等多维度量化因子 :bulb: model:预测模型训练 * 提供标准化的ML模型开发模板,大幅简化模型构建与训练流程 * 统一API接口设计,支持无缝切换不同算法进行性能对比测试 * 集成多种主流机器学习算法: * Lass...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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